Analisis jaringan sosial: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29435644; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
'''Analisis jaringan sosial''' adalah proses penyelidikan struktur sosial melalui penggunaan [[teori jaringan|jaringan]] dan [[teori graf|teori grafik]]. Ini mengkarakterisasikan struktur jaringan dalam bentuk ''simpul'' (aktor individual, orang, atau benda dalam jaringan) dan ''ikatan'', ''sisi'', atau ''tautan'' (hubungan atau interaksi) yang menghubungkannya. Contoh struktur sosial yang umumnya divisualisasikan melalui analisis jaringan sosial meliputi [[media sosial|jaringan media sosial]], penyebaran [[meme]], sirkulasi informasi, jaringan persahabatan dan kenalan, jaringan bisnis, jaringan pengetahuan, hubungan kerja yang sulit, grafik kolaborasi, [[hubungan kekerabatan|kekerabatan]], [[penularan penyakit]], dan [[hubungan seksual]]. Jaringan ini sering divisualisasikan melalui ''[[sosiogram]]'' di mana simpul direpresentasikan sebagai titik dan ikatan direpresentasikan sebagai garis. Visualisasi ini menyediakan sarana untuk menilai jaringan secara kualitatif dengan memvariasikan representasi visual simpul dan tepinya untuk mencerminkan atribut yang diinginkan. | '''Analisis jaringan sosial''' adalah proses penyelidikan struktur sosial melalui penggunaan [[teori jaringan|jaringan]] dan [[teori graf|teori grafik]].<ref>Evelien Otte. [https://archive.org/details/journal-of-information-science_2002_28_6/page/441 Social network analysis: a powerful strategy, also for the information sciences]. ''Journal of Information Science''. Desember 2002. Vol. 28 (6). hlm. 441–453. doi:10.1177/016555150202800601.</ref> Ini mengkarakterisasikan struktur jaringan dalam bentuk ''simpul'' (aktor individual, orang, atau benda dalam jaringan) dan ''ikatan'', ''sisi'', atau ''tautan'' (hubungan atau interaksi) yang menghubungkannya. Contoh struktur sosial yang umumnya divisualisasikan melalui analisis jaringan sosial meliputi [[media sosial|jaringan media sosial]],<ref>Martin Grandjean. ''A social network analysis of Twitter: Mapping the digital humanities community''. ''Cogent Arts & Humanities''. 31 Desember 2016. Vol. 3 (1). doi:10.1080/23311983.2016.1171458.</ref><ref>Loni Hagen. ''Crisis Communications in the Age of Social Media: A Network Analysis of Zika-Related Tweets''. ''Social Science Computer Review''. October 2018. Vol. 36 (5). hlm. 523–541. doi:10.1177/0894439317721985.</ref> penyebaran [[meme]],<ref>Hamid Reza Nasrinpour. ''An Agent-Based Model of Message Propagation in the Facebook Electronic Social Network''. 2016-11-22.</ref> sirkulasi informasi,<ref>Martin Grandjean. [https://shs.hal.science/halshs-03760539/file/Grandjean_2022_TheParisGenevaDivide.pdf The Paris/Geneva Divide. A Network Analysis of the Archives of the International Committee on Intellectual Cooperation of the League of Nations]. ''Culture as Soft Power: Bridging Cultural Relations, Intellectual Cooperation, and Cultural Diplomacy''. 2022. hlm. 65–98. doi:10.1515/9783110744552-004.</ref> jaringan persahabatan dan kenalan, jaringan bisnis, jaringan pengetahuan,<ref>Julia Brennecke. ''The firm's knowledge network and the transfer of advice among corporate inventors—A multilevel network study''. ''Research Policy''. May 2017. Vol. 46 (4). hlm. 768–783. doi:10.1016/j.respol.2017.02.002.</ref><ref>Jenine K. Harris. [https://archive.org/details/sim_american-journal-of-preventive-medicine_2009-06_36_6/page/538 Forty Years of Secondhand Smoke Research]. ''American Journal of Preventive Medicine''. June 2009. Vol. 36 (6). hlm. 538–548. doi:10.1016/j.amepre.2009.01.039.</ref> hubungan kerja yang sulit,<ref>Julia Brennecke. ''Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues''. ''Academy of Management Journal''. Juni 2020. Vol. 63 (3). hlm. 743–778. doi:10.5465/amj.2017.0399.</ref> grafik kolaborasi, [[hubungan kekerabatan|kekerabatan]], [[penularan penyakit]], dan [[hubungan seksual]].<ref>Pinheiro, Carlos A.R. [https://books.google.com/books?id=jP8zfL6yNGkC&pg=PA4 Social Network Analysis in Telecommunications]. John Wiley & Sons. 2011. hlm. 4. ISBN 978-1-118-01094-5.</ref><ref>D'Andrea, Alessia. [https://books.google.com/books?id=-S1KiURSfRAC&pg=PA8 Computational Social Network Analysis: Trends, Tools and Research Advances]. Springer. 2009. hlm. 8. ISBN 978-1-84882-228-3.</ref> Jaringan ini sering divisualisasikan melalui ''[[sosiogram]]'' di mana simpul direpresentasikan sebagai titik dan ikatan direpresentasikan sebagai garis. Visualisasi ini menyediakan sarana untuk menilai jaringan secara kualitatif dengan memvariasikan representasi visual simpul dan tepinya untuk mencerminkan atribut yang diinginkan.<ref>Daniel Grunspan. ''Understanding Classrooms through Social Network Analysis: A Primer for Social Network Analysis in Education Research''. ''CBE: Life Sciences Education''. 23 Januari 2014. Vol. 13 (2). hlm. 167–178. doi:10.1187/cbe.13-08-0162.</ref> | ||
Analisis jaringan sosial telah muncul sebagai teknik kunci dalam [[sosiologi]] modern. Analisis ini juga memperoleh popularitas signifikan dalam bidang-bidang berikut: [[antropologi]], [[biologi]], [[demografi]], [[kajian komunikasi]], [[ekonomi]], [[geografi]], [[sejarah]], [[ilmu informasi]], [[kajian organisasi]], [[fisika]], [[ilmu politik]], kesehatan masyarakat, [[psikologi sosial]], [[kajian pembangunan]], [[sosiolinguistik]], dan [[ilmu komputer]], pendidikan dan penelitian pendidikan jarak jauh, dan sekarang tersedia secara umum sebagai alat konsumen (lihat [[:en:Social network analysis software|perangkat lunak analisis jaringan sosial]]). | Analisis jaringan sosial telah muncul sebagai teknik kunci dalam [[sosiologi]] modern. Analisis ini juga memperoleh popularitas signifikan dalam bidang-bidang berikut: [[antropologi]], [[biologi]],<ref>Angela Tringali. ''Life history stage explains behavior in a social network before and during the early breeding season in a cooperatively breeding bird''. ''PeerJ''. 10 Februari 2020. Vol. 8. hlm. e8302. doi:10.7717/peerj.8302.</ref> [[demografi]], [[kajian komunikasi]],<ref>Loni Hagen. ''Crisis Communications in the Age of Social Media: A Network Analysis of Zika-Related Tweets''. ''Social Science Computer Review''. October 2018. Vol. 36 (5). hlm. 523–541. doi:10.1177/0894439317721985.</ref><ref>''Social network differences of chronotypes identified from mobile phone data''. 2018.</ref> [[ekonomi]], [[geografi]], [[sejarah]], [[ilmu informasi]], [[kajian organisasi]],<ref>Julia Brennecke. ''The firm's knowledge network and the transfer of advice among corporate inventors—A multilevel network study''. ''Research Policy''. May 2017. Vol. 46 (4). hlm. 768–783. doi:10.1016/j.respol.2017.02.002.</ref><ref>Julia Brennecke. ''Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues''. ''Academy of Management Journal''. Juni 2020. Vol. 63 (3). hlm. 743–778. doi:10.5465/amj.2017.0399.</ref> [[fisika]],<ref>Min Gao. [https://www.cell.com/patterns/pdf/S2666-3899(23)00218-0.pdf EasyGraph: A multifunctional, cross-platform, and effective library for interdisciplinary network analysis]. ''Patterns''. Oktober 2023. Vol. 4 (10). hlm. 100839. doi:10.1016/j.patter.2023.100839.</ref> [[ilmu politik]],<ref>Rakhyun E Kim. ''Is Global Governance Fragmented, Polycentric, or Complex? The State of the Art of the Network Approach''. ''International Studies Review''. 26 November 2020. Vol. 22 (4). hlm. 903–931. doi:10.1093/isr/viz052.</ref> kesehatan masyarakat,<ref>Jenine K. Harris. ''Using Social Network Analysis to Understand Missouri's System of Public Health Emergency Planners''. ''Public Health Reports''. July 2007. Vol. 122 (4). hlm. 488–498. doi:10.1177/003335490712200410.</ref><ref>Jenine K. Harris. [https://archive.org/details/sim_american-journal-of-preventive-medicine_2009-06_36_6/page/538 Forty Years of Secondhand Smoke Research]. ''American Journal of Preventive Medicine''. June 2009. Vol. 36 (6). hlm. 538–548. doi:10.1016/j.amepre.2009.01.039.</ref> [[psikologi sosial]], [[kajian pembangunan]], [[sosiolinguistik]], dan [[ilmu komputer]],<ref>Fakhteh Ghanbarnejad. ''Dynamics On and Of Complex Networks III Machine Learning and Statistical Physics Approaches''. Springer International Publishing : Imprint: Springer. 2019. ISBN 9783030146832.</ref> pendidikan dan penelitian pendidikan jarak jauh,<ref>Aras Bozkurt. [https://www.irrodl.org/index.php/irrodl/article/view/1953 Trends in distance education research: A content analysis of journals 2009–2013]. ''The International Review of Research in Open and Distributed Learning''. 2015-01-20. Vol. 16 (1). doi:10.19173/irrodl.v16i1.1953.</ref> dan sekarang tersedia secara umum sebagai alat konsumen (lihat [[:en:Social network analysis software|perangkat lunak analisis jaringan sosial]]).<ref>[https://www.bbc.co.uk/news/technology-19699776 Facebook friends mapped by Wolfram Alpha app]. ''BBC News''. 24 September 2012.</ref><ref>Frederic Lardinois. [https://techcrunch.com/2012/08/30/wolfram-alpha-launches-personal-analytics-reports-for-facebook/ Wolfram Alpha Launches Personal Analytics Reports For Facebook]. ''Tech Crunch''. 30 Agustus 2012.</ref><ref>Ivaldi M. ''We-Sport: from academy spin-off to data-base for complex network analysis; an innovative approach to a new technology''. ''J Sports Med Phys Fitness''. Vol. 51 (suppl. 1 to issue 3).</ref> | ||
== Sejarah == | == Sejarah == | ||
Analisis jaringan sosial berakar pada karya sosiolog terdahulu seperti [[Georg Simmel]] dan [[Émile Durkheim]], yang menulis tentang pentingnya mempelajari pola hubungan yang menghubungkan pelaku sosial. Ilmuwan sosial telah menggunakan konsep "[[jejaring sosial|jaringan sosial]]" sejak awal abad ke-20 untuk menunjukkan serangkaian hubungan yang kompleks antara anggota sistem sosial di semua skala, dari antarpribadi hingga internasional. | Analisis jaringan sosial berakar pada karya sosiolog terdahulu seperti [[Georg Simmel]] dan [[Émile Durkheim]], yang menulis tentang pentingnya mempelajari pola hubungan yang menghubungkan pelaku sosial. Ilmuwan sosial telah menggunakan konsep "[[jejaring sosial|jaringan sosial]]" sejak awal abad ke-20 untuk menunjukkan serangkaian hubungan yang kompleks antara anggota sistem sosial di semua skala, dari antarpribadi hingga internasional.<ref>Linton C Freeman. [https://archive.org/details/developmentofsoc0000free The development of social network analysis: a study in the sociology of science]. Empirical Press; BookSurge. 2004. ISBN 978-1-59457-714-7.</ref> | ||
Pada tahun 1930-an, [[Jacob Moreno]] dan [[Helen Hall Jennings|Helen Jennings]] memperkenalkan metode analisis dasar. Pada tahun 1954, [[John Arundel Barnes]] mulai menggunakan istilah tersebut secara sistematis untuk menunjukkan pola ikatan, yang mencakup konsep yang secara tradisional digunakan oleh publik dan yang digunakan oleh ilmuwan sosial: [[kelompok sosial|kelompok]] terbatas (misalnya, suku, keluarga) dan kategori sosial (misalnya, gender, etnis). | Pada tahun 1930-an, [[Jacob Moreno]] dan [[Helen Hall Jennings|Helen Jennings]] memperkenalkan metode analisis dasar.<ref>Linton C Freeman. [https://archive.org/details/developmentofsoc0000free The development of social network analysis: a study in the sociology of science]. Empirical Press; BookSurge. 2004. ISBN 978-1-59457-714-7.</ref> Pada tahun 1954, [[John Arundel Barnes]] mulai menggunakan istilah tersebut secara sistematis untuk menunjukkan pola ikatan, yang mencakup konsep yang secara tradisional digunakan oleh publik dan yang digunakan oleh ilmuwan sosial: [[kelompok sosial|kelompok]] terbatas (misalnya, suku, keluarga) dan kategori sosial (misalnya, gender, etnis). | ||
Dimulai pada tahun 1970-an, akademisi seperti [[Ronald Stuart Burt|Ronald Burt]], [[Kathleen Carley]], [[Mark Granovetter]], [[David Krackhardt]], [[Edward Laumann]], [[Anatol Rapoport]], [[Barry Wellman]], [[Douglas R. White]], dan [[Harrison White]] memperluas penggunaan analisis jaringan sosial yang sistematis. | Dimulai pada tahun 1970-an, akademisi seperti [[Ronald Stuart Burt|Ronald Burt]], [[Kathleen Carley]], [[Mark Granovetter]], [[David Krackhardt]], [[Edward Laumann]], [[Anatol Rapoport]], [[Barry Wellman]], [[Douglas R. White]], dan [[Harrison White]] memperluas penggunaan analisis jaringan sosial yang sistematis.<ref>Linton Freeman. ''The Development of Social Network Analysis''. Empirical Press. 2006.</ref> | ||
Dimulai pada akhir tahun 1990-an, analisis jaringan sosial mengalami kebangkitan lebih lanjut dengan karya para sosiolog, ilmuwan politik, ekonom, ilmuwan komputer, dan fisikawan seperti [[Duncan J. Watts]], [[Albert-László Barabási]], [[Peter Bearman]], [[Nicholas A. Christakis]], [[James H. Fowler]], [[Mark Newman]], [[Matthew Jackson]], [[Jon Kleinberg]], dan lainnya, yang mengembangkan dan menerapkan model serta metode baru, yang sebagian didorong oleh munculnya data baru yang tersedia tentang jaringan sosial daring serta "jejak digital" mengenai jaringan tatap muka. | Dimulai pada akhir tahun 1990-an, analisis jaringan sosial mengalami kebangkitan lebih lanjut dengan karya para sosiolog, ilmuwan politik, ekonom, ilmuwan komputer, dan fisikawan seperti [[Duncan J. Watts]], [[Albert-László Barabási]], [[Peter Bearman]], [[Nicholas A. Christakis]], [[James H. Fowler]], [[Mark Newman]], [[Matthew Jackson]], [[Jon Kleinberg]], dan lainnya, yang mengembangkan dan menerapkan model serta metode baru, yang sebagian didorong oleh munculnya data baru yang tersedia tentang jaringan sosial daring serta "jejak digital" mengenai jaringan tatap muka. | ||
Analisis jaringan sosial komputasional telah digunakan secara luas dalam penelitian perolehan bahasa kedua melalui studi di luar negeri. Bahkan dalam studi literatur, analisis jaringan telah diterapkan oleh Anheier, Gerhards dan Romo, Wouter De Nooy, dan Burgert Senekal. | Analisis jaringan sosial komputasional telah digunakan secara luas dalam penelitian perolehan bahasa kedua melalui studi di luar negeri.<ref>Michał B. Paradowski. [https://doi.org/10.1111/modl.12811 How output outweighs input and interlocutors matter for study-abroad SLA: Computational Social Network Analysis of learner interactions]. ''The Modern Language Journal''. 2022. Vol. 106 (4). hlm. 694–725. doi:10.1111/modl.12811.</ref><ref>Michał B. Paradowski. ''Peer interaction dynamics and L2 learning trajectories during study abroad: A longitudinal investigation using dynamic computational Social Network Analysis''. ''Language Learning''. 2024. Vol. 74 (S2). hlm. 58–115. doi:10.1111/lang.12681.</ref> Bahkan dalam studi literatur, analisis jaringan telah diterapkan oleh Anheier, Gerhards dan Romo,<ref>Helmut K. Anheier. [https://archive.org/details/sim_american-journal-of-sociology_1995-01_100_4/page/n10 Forms of Capital and Social Structure in Cultural Fields: Examining Bourdieu's Social Topography]. ''American Journal of Sociology''. Januari 1995. Vol. 100 (4). hlm. 859–903. doi:10.1086/230603.</ref> Wouter De Nooy,<ref>Wouter de Nooy. [https://archive.org/details/sim_poetics_october-december-2003_31_5-6/page/305 Fields and networks: correspondence analysis and social network analysis in the framework of field theory]. ''Poetics''. Oktober 2003. Vol. 31 (5–6). hlm. 305–327. doi:10.1016/s0304-422x(03)00035-4.</ref> dan Burgert Senekal.<ref>Burgert Senekal. ''Die Afrikaanse literêre sisteem : 'n eksperimentele benadering met behulp van Sosiale-netwerk-analise (SNA) : geesteswetenskappe''. ''Litnet Akademies''. 1 Desember 2012. Vol. 9 (3). hlm. 614–638.</ref> | ||
== Metrik == | == Metrik == | ||
Ukuran: Jumlah anggota jaringan dalam jaringan tertentu. | Ukuran: Jumlah anggota jaringan dalam jaringan tertentu. | ||
=== Koneksi === | === Koneksi === | ||
[[Homofili]]: Sejauh mana aktor membentuk ikatan dengan orang lain yang serupa atau berbeda. Kesamaan dapat didefinisikan berdasarkan jenis kelamin, ras, usia, pekerjaan, prestasi pendidikan, status, nilai, atau karakteristik menonjol lainnya. Homofili juga disebut sebagai [[asortativitas]]. | [[Homofili]]: Sejauh mana aktor membentuk ikatan dengan orang lain yang serupa atau berbeda. Kesamaan dapat didefinisikan berdasarkan jenis kelamin, ras, usia, pekerjaan, prestasi pendidikan, status, nilai, atau karakteristik menonjol lainnya.<ref>Miller McPherson. ''Birds of a Feather: Homophily in Social Networks''. ''Annual Review of Sociology''. Agustus 2001. Vol. 27 (1). hlm. 415–444. doi:10.1146/annurev.soc.27.1.415.</ref> Homofili juga disebut sebagai [[asortativitas]]. | ||
Multipleksitas: Jumlah bentuk konten yang terkandung dalam suatu ikatan. Misalnya, dua orang yang berteman dan juga bekerja bersama akan memiliki multipleksitas 2. Multipleksitas telah dikaitkan dengan kekuatan hubungan dan juga dapat mencakup tumpang tindih ikatan jaringan positif dan negatif. | Multipleksitas: Jumlah bentuk konten yang terkandung dalam suatu ikatan.<ref>Joel M. Podolny. [https://archive.org/details/sim_american-sociological-review_1997-10_62_5/page/n4 Resources and Relationships: Social Networks and Mobility in the Workplace]. ''American Sociological Review''. October 1997. Vol. 62 (5). hlm. 673. doi:10.2307/2657354.</ref> Misalnya, dua orang yang berteman dan juga bekerja bersama akan memiliki multipleksitas 2.<ref>Kilduff, M. [https://archive.org/details/socialnetworksor0000kild Social networks and organisations]. Sage Publications. 2003.</ref> Multipleksitas telah dikaitkan dengan kekuatan hubungan dan juga dapat mencakup tumpang tindih ikatan jaringan positif dan negatif.<ref>Julia Brennecke. ''Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues''. ''Academy of Management Journal''. Juni 2020. Vol. 63 (3). hlm. 743–778. doi:10.5465/amj.2017.0399.</ref> | ||
Timbal balik: Sejauh mana dua aktor saling membalas persahabatan atau interaksi lainnya. | Timbal balik: Sejauh mana dua aktor saling membalas persahabatan atau interaksi lainnya.<ref>Kadushin, C. [https://books.google.com/books?id=ALOhpMgkW_cC Understanding social networks: Theories, concepts, and findings]. Oxford University Press. 2012. ISBN 9780195379471.</ref> | ||
[[Penutupan triadik|Penutupan Jaringan]]: Ukuran kelengkapan triad relasional. Asumsi individu tentang penutupan jaringan (yaitu bahwa teman-teman mereka juga teman) disebut transitivitas. Transitivitas adalah hasil dari sifat individu atau situasional dari Kebutuhan akan Penutupan Kognitif. | [[Penutupan triadik|Penutupan Jaringan]]: Ukuran kelengkapan triad relasional. Asumsi individu tentang penutupan jaringan (yaitu bahwa teman-teman mereka juga teman) disebut transitivitas. Transitivitas adalah hasil dari sifat individu atau situasional dari Kebutuhan akan Penutupan Kognitif.<ref>Francis J. Flynn. [https://archive.org/details/sim_journal-of-personality-and-social-psychology_2010-11_99_5/page/n136 Do you two know each other? Transitivity, homophily, and the need for (network) closure]. ''Journal of Personality and Social Psychology''. 2010. Vol. 99 (5). hlm. 855–869. doi:10.1037/a0020961.</ref> | ||
Kedekatan: Kecenderungan aktor untuk memiliki lebih banyak ikatan dengan orang lain yang dekat secara geografis. | Kedekatan: Kecenderungan aktor untuk memiliki lebih banyak ikatan dengan orang lain yang dekat secara geografis. | ||
=== Distribusi === | === Distribusi === | ||
[[:en:Bridge (graph teory)|Bridge]]: Individu yang ikatannya yang lemah mengisi [[lubang struktural]], menyediakan satu-satunya penghubung antara dua individu atau kelompok. Ini juga mencakup rute terpendek ketika rute yang lebih panjang tidak memungkinkan karena risiko tinggi distorsi pesan atau kegagalan pengiriman. | [[:en:Bridge (graph teory)|Bridge]]: Individu yang ikatannya yang lemah mengisi [[lubang struktural]], menyediakan satu-satunya penghubung antara dua individu atau kelompok. Ini juga mencakup rute terpendek ketika rute yang lebih panjang tidak memungkinkan karena risiko tinggi distorsi pesan atau kegagalan pengiriman.<ref>Mark S. Granovetter. [https://archive.org/details/sim_american-journal-of-sociology_1973-05_78_6/page/n41 The Strength of Weak Ties]. ''American Journal of Sociology''. Mei 1973. Vol. 78 (6). hlm. 1360–1380. doi:10.1086/225469.</ref> | ||
[[Sentralitas]]: Sentralitas merujuk pada sekelompok metrik yang bertujuan untuk mengukur "pentingnya" atau "pengaruh" (dalam berbagai pengertian) suatu simpul (atau kelompok) tertentu dalam suatu jaringan. Contoh metode umum pengukuran "sentralitas" meliputi [[sentralitas perantara]], [[sentralitas kedekatan]], [[sentralitas vektor eigen]], [[sentralitas alfa]], dan [[sentralitas derajat]]. | [[Sentralitas]]: Sentralitas merujuk pada sekelompok metrik yang bertujuan untuk mengukur "pentingnya" atau "pengaruh" (dalam berbagai pengertian) suatu simpul (atau kelompok) tertentu dalam suatu jaringan.<ref>Hansen, Derek. [https://books.google.com/books?id=rbxPm93PRY8C&pg=PA32 Analyzing Social Media Networks with NodeXL]. Morgan Kaufmann. 2010. hlm. 32. ISBN 978-0-12-382229-1.</ref><ref>Liu, Bing. [https://books.google.com/books?id=jnCi0Cq1YVkC&pg=PA271 Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data]. Springer. 2011. hlm. 271. ISBN 978-3-642-19459-7.</ref><ref>Hanneman, Robert A. [https://books.google.com/books?id=2chSmLzClXgC&pg=PA364 The Sage Handbook of Social Network Analysis]. SAGE. 2011. hlm. 364–367. ISBN 978-1-84787-395-8.</ref><ref>Tsvetovat, Maksim. [https://books.google.com/books?id=hVOxjkoLSiEC&pg=PA45 Social Network Analysis for Startups: Finding Connections on the Social Web]. O'Reilly. 2011. hlm. 45. ISBN 978-1-4493-1762-1.</ref> Contoh metode umum pengukuran "sentralitas" meliputi [[sentralitas perantara]],<ref>Wasserman, Stanley. [https://books.google.com/books?isbn=0521387078 Social Networks Analysis: Methods and Applications]. Cambridge University Press. 1994.</ref> [[sentralitas kedekatan]], [[sentralitas vektor eigen]], [[sentralitas alfa]], dan [[sentralitas derajat]].<ref>Tore Opsahl. ''Node centrality in weighted networks: Generalizing degree and shortest paths''. ''Social Networks''. Juli 2010. Vol. 32 (3). hlm. 245–251. doi:10.1016/j.socnet.2010.03.006.</ref> | ||
[[Grafik padat|Kepadatan]]: Proporsi ikatan langsung dalam suatu jaringan relatif terhadap jumlah total yang mungkin. | [[Grafik padat|Kepadatan]]: Proporsi ikatan langsung dalam suatu jaringan relatif terhadap jumlah total yang mungkin.<ref>[https://fas.org/irp/doddir/army/fm3-24.pdf Field Manual 3-24: Counterinsurgency]. Headquarters, Department of the Army. hlm. B–11 – B–12.</ref><ref>Xu, Guandong. [https://books.google.com/books?id=mXo9zKeYa6cC&pg=PA25 Web Mining and Social Networking: Techniques and Applications]. Springer. 2010. hlm. 25. ISBN 978-1-4419-7734-2.</ref> | ||
Jarak: Jumlah minimum ikatan yang diperlukan untuk menghubungkan dua aktor tertentu, seperti yang dipopulerkan oleh [[eksperimen dunia kecil]] [[Stanley Milgram]] dan gagasan ''enam derajat pemisahan''. | Jarak: Jumlah minimum ikatan yang diperlukan untuk menghubungkan dua aktor tertentu, seperti yang dipopulerkan oleh [[eksperimen dunia kecil]] [[Stanley Milgram]] dan gagasan ''enam derajat pemisahan''. | ||
| Baris 40: | Baris 39: | ||
Lubang struktural: Tidak adanya ikatan antara dua bagian jaringan. Menemukan dan memanfaatkan lubang struktural dapat memberi [[kewirausahaan|pengusaha]] keunggulan kompetitif. Konsep ini dikembangkan oleh sosiolog [[Ronald Burt]], dan terkadang disebut sebagai konsepsi alternatif [[modal sosial]]. | Lubang struktural: Tidak adanya ikatan antara dua bagian jaringan. Menemukan dan memanfaatkan lubang struktural dapat memberi [[kewirausahaan|pengusaha]] keunggulan kompetitif. Konsep ini dikembangkan oleh sosiolog [[Ronald Burt]], dan terkadang disebut sebagai konsepsi alternatif [[modal sosial]]. | ||
Kekuatan Ikatan: Ditentukan oleh [[kombinasi linear]] waktu, intensitas emosional, keintiman, dan timbal balik (yaitu saling menguntungkan). Ikatan yang kuat dikaitkan dengan homofili, kedekatan dan transitivitas, sementara ikatan yang lemah dikaitkan dengan bridge. | Kekuatan Ikatan: Ditentukan oleh [[kombinasi linear]] waktu, intensitas emosional, keintiman, dan timbal balik (yaitu saling menguntungkan).<ref>Mark S. Granovetter. [https://archive.org/details/sim_american-journal-of-sociology_1973-05_78_6/page/n41 The Strength of Weak Ties]. ''American Journal of Sociology''. Mei 1973. Vol. 78 (6). hlm. 1360–1380. doi:10.1086/225469.</ref> Ikatan yang kuat dikaitkan dengan homofili, kedekatan dan transitivitas, sementara ikatan yang lemah dikaitkan dengan bridge. | ||
=== Segmentasi === | === Segmentasi === | ||
Kelompok disebut '[[lingkaran (sosial)|lingkaran sosial]]' jika setiap individu terikat langsung dengan individu lainnya, '[[kelompok sosial]]' jika kontak langsungnya kurang ketat, tidak tepat, atau sebagai blok yang kohesif secara struktural jika ketepatan diinginkan. | Kelompok disebut '[[lingkaran (sosial)|lingkaran sosial]]' jika setiap individu terikat langsung dengan individu lainnya, '[[kelompok sosial]]' jika kontak langsungnya kurang ketat, tidak tepat, atau sebagai blok yang kohesif secara struktural jika ketepatan diinginkan.<ref>[http://intersci.ss.uci.edu/wiki/index.php/Cohesive_blocking Cohesive.blocking] is the R program for computing structural cohesion according to the Moody-White (2003) algorithm. This wiki site provides numerous examples and a tutorial for use with R.</ref> | ||
Koefisien pengelompokkan: Ukuran kemungkinan dua asosiasi dari sebuah node merupakan asosiasi. Koefisien pengelompokan yang lebih tinggi menunjukkan 'keberagaman' yang lebih besar. | Koefisien pengelompokkan: Ukuran kemungkinan dua asosiasi dari sebuah node merupakan asosiasi. Koefisien pengelompokan yang lebih tinggi menunjukkan 'keberagaman' yang lebih besar.<ref>Hanneman, Robert A. [https://books.google.com/books?id=2chSmLzClXgC&pg=PA346 The Sage Handbook of Social Network Analysis]. SAGE. 2011. hlm. 346–347. ISBN 978-1-84787-395-8.</ref> | ||
Kohesi: Tingkat di mana para aktor terhubung langsung satu sama lain melalui ikatan yang kohesif. Kohesi struktural mengacu pada jumlah minimum anggota yang jika dikeluarkan dari suatu kelompok akan memutuskan hubungan kelompok tersebut. | Kohesi: Tingkat di mana para aktor terhubung langsung satu sama lain melalui ikatan yang kohesif. Kohesi struktural mengacu pada jumlah minimum anggota yang jika dikeluarkan dari suatu kelompok akan memutuskan hubungan kelompok tersebut.<ref>James Moody. [https://archive.org/details/sim_american-sociological-review_2003-02_68_1/page/102 Structural Cohesion and Embeddedness: A Hierarchical Concept of Social Groups]. ''American Sociological Review''. Februari 2003. Vol. 68 (1). hlm. 103. doi:10.2307/3088904.</ref><ref>Pattillo, Jeffrey. [https://books.google.com/books?id=bdRdcHxQQLQC&pg=PA149 Handbook of Optimization in Complex Networks: Communication and Social Networks]. Springer. 2011. hlm. 149. ISBN 978-1-4614-0856-7.</ref> | ||
== Pemodelan dan visualisasi jaringan == | == Pemodelan dan visualisasi jaringan == | ||
Representasi visual jaringan sosial penting untuk memahami data jaringan dan menyampaikan hasil analisis.<ref>Linton C. Freeman. [http://www.cmu.edu/joss/content/articles/volume1/Freeman.html Visualizing Social Networks]. ''Journal of Social Structure''. Vol. 1.</ref> Sejumlah metode visualisasi untuk data yang dihasilkan oleh analisis jaringan sosial telah dipersiapkan.<ref>Mohammad Hamdaqa. [https://zenodo.org/record/889712 Cultural Scene Detection Using Reverse Louvain Optimization]. ''Science of Computer Programming''. 2014. Vol. 95. hlm. 44–72. doi:10.1016/j.scico.2014.01.006.</ref><ref>Bacher, R. ''Graphical Interaction and Visualization for the Analysis and Interpretation of Contingency Analysis Result''. IEEE Power Engineering Society. 1995. hlm. 128–134. doi:10.1109/PICA.1995.515175. ISBN 0-7803-2663-6.</ref><ref>M. C. Caschera. ''SIM: A dynamic multidimensional visualization method for social networks''. ''PsychNology Journal''. 2008. Vol. 6 (3). hlm. 291–320.</ref><ref>[https://danlarremore.com/5352/ Network Analysis and Modeling (CSCI 5352)]. ''danlarremore.com''.</ref> Banyak perangkat lunak analitik yang memiliki modul untuk visualisasi jaringan. Data dieksplorasi dengan menampilkan simpul dan ikatan dalam berbagai tata letak dan memberikan warna, ukuran, dan properti canggih lainnya ke simpul. Representasi visual jaringan dapat menjadi metode yang ampuh untuk menyampaikan informasi yang kompleks. Namun, kehati-hatian harus dilakukan dalam menafsirkan properti simpul dan grafik dari tampilan visual saja, karena keduanya dapat salah menggambarkan properti struktural yang lebih baik ditangkap melalui analisis kuantitatif.<ref>Cathleen McGrath. ''The effect of spatial arrangement on judgments and errors in interpreting graphs''. ''Social Networks''. August 1997. Vol. 19 (3). hlm. 223–242. doi:10.1016/S0378-8733(96)00299-7.</ref> | |||
[[Grafik bertanda]] dapat digunakan untuk menggambarkan hubungan baik dan buruk antara manusia. Tepi positif antara dua simpul menunjukkan hubungan positif (persahabatan, aliansi, kencan), dan tepi negatif menunjukkan hubungan negatif (kebencian, kemarahan). Grafik jaringan sosial bertanda dapat digunakan untuk memprediksi evolusi grafik di masa mendatang. Dalam jaringan sosial bertanda, ada konsep siklus "seimbang" dan "tidak seimbang". Siklus seimbang didefinisikan sebagai siklus di mana hasil perkalian semua tanda positif. Menurut [[teori keseimbangan]], grafik seimbang menggambarkan sekelompok orang yang tidak mungkin mengubah pendapat mereka tentang orang lain dalam kelompok tersebut. Grafik tidak seimbang menggambarkan sekelompok orang yang sangat mungkin mengubah pendapat mereka tentang orang-orang dalam kelompok mereka. Misalnya, kelompok yang terdiri dari 3 orang (A, B, dan C) di mana A dan B memiliki hubungan positif, B dan C memiliki hubungan positif. Namun, C dan A memiliki hubungan negatif, siklus tidak seimbang. Kelompok ini sangat mungkin berubah menjadi siklus yang seimbang, seperti siklus di mana B hanya memiliki hubungan yang baik dengan A, dan A maupun B memiliki hubungan yang negatif dengan C. Dengan menggunakan konsep siklus yang seimbang dan tidak seimbang, evolusi grafik jaringan sosial yang bertanda dapat diprediksi.<ref>Dorwin Cartwright. [https://archive.org/details/sim_psychological-review_1956-09_63_5/page/277 Structural balance: a generalization of Heider's theory]. ''Psychological Review''. 1956. Vol. 63 (5). hlm. 277–293. doi:10.1037/h0046049.</ref> | |||
Berbagai pendekatan untuk pemetaan jaringan partisipatif telah terbukti berguna, terutama saat menggunakan analisis jaringan sosial sebagai alat untuk memfasilitasi perubahan. Di sini, peserta/pewawancara menyediakan data jaringan dengan memetakan jaringan (dengan pena dan kertas atau secara digital) selama sesi pengumpulan data. Contoh pendekatan pemetaan jaringan pena dan kertas, yang juga mencakup pengumpulan beberapa atribut aktor (pengaruh yang dirasakan dan tujuan aktor) adalah [[:en:Net-map toolbox|kotak peralatan Net-map]]. Salah satu manfaat dari pendekatan ini adalah memungkinkan peneliti untuk mengumpulkan data kualitatif dan mengajukan pertanyaan klarifikasi saat data jaringan dikumpulkan.<ref>Bernie Hogan. ''Visualizing Personal Networks: Working with Participant-aided Sociograms''. ''Field Methods''. May 2007. Vol. 19 (2). hlm. 116–144. doi:10.1177/1525822X06298589.</ref> | |||
Berbagai pendekatan untuk pemetaan jaringan partisipatif telah terbukti berguna, terutama saat menggunakan analisis jaringan sosial sebagai alat untuk memfasilitasi perubahan. Di sini, peserta/pewawancara menyediakan data jaringan dengan memetakan jaringan (dengan pena dan kertas atau secara digital) selama sesi pengumpulan data. Contoh pendekatan pemetaan jaringan pena dan kertas, yang juga mencakup pengumpulan beberapa atribut aktor (pengaruh yang dirasakan dan tujuan aktor) adalah [[:en:Net-map toolbox|kotak peralatan Net-map]]. Salah satu manfaat dari pendekatan ini adalah memungkinkan peneliti untuk mengumpulkan data kualitatif dan mengajukan pertanyaan klarifikasi saat data jaringan dikumpulkan. | |||
=== Potensi jejaring sosial === | === Potensi jejaring sosial === | ||
Potensi Jaringan Sosial (PJS) adalah [[koefisien]] numerik, yang diturunkan melalui [[algoritma]] untuk mewakili ukuran jaringan sosial individu dan kemampuan mereka untuk memengaruhi jaringan tersebut. Koefisien PJS pertama kali didefinisikan dan digunakan oleh Bob Gerstley pada tahun 2002. Istilah yang terkait erat adalah [[:en:Social marketing intelligence#Alpha users|Pengguna Alfa]], yang didefinisikan sebagai orang dengan PJS tinggi. | Potensi Jaringan Sosial (PJS) adalah [[koefisien]] numerik, yang diturunkan melalui [[algoritma]]<ref>Isabel Anger. ''Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies - i-KNOW '11''. 2011. hlm. 1. doi:10.1145/2024288.2024326. ISBN 9781450307321.</ref><ref>Fabián Riquelme. ''Measuring user influence on Twitter: A survey''. ''Information Processing & Management''. September 2016. Vol. 52 (5). hlm. 949–975. doi:10.1016/j.ipm.2016.04.003.</ref> untuk mewakili ukuran jaringan sosial individu dan kemampuan mereka untuk memengaruhi jaringan tersebut. Koefisien PJS pertama kali didefinisikan dan digunakan oleh Bob Gerstley pada tahun 2002. Istilah yang terkait erat adalah [[:en:Social marketing intelligence#Alpha users|Pengguna Alfa]], yang didefinisikan sebagai orang dengan PJS tinggi. | ||
Koefisien PJS memiliki dua fungsi utama: | Koefisien PJS memiliki dua fungsi utama: | ||
| Baris 68: | Baris 65: | ||
Dengan menghitung PJS responden dan [[iklan tertarget|menargetkan]] responden PJS Tinggi, [[persuasi|kekuatan]] dan [[relevansi]] penelitian pemasaran kuantitatif yang digunakan untuk mendorong strategi [[pemasaran viral]] ditingkatkan. | Dengan menghitung PJS responden dan [[iklan tertarget|menargetkan]] responden PJS Tinggi, [[persuasi|kekuatan]] dan [[relevansi]] penelitian pemasaran kuantitatif yang digunakan untuk mendorong strategi [[pemasaran viral]] ditingkatkan. | ||
Variabel yang digunakan untuk menghitung PJS seseorang termasuk tetapi tidak terbatas pada: partisipasi dalam aktivitas Jejaring Sosial, keanggotaan kelompok, peran kepemimpinan, pengakuan, publikasi/penyuntingan/kontribusi ke media non-elektronik, publikasi/penyuntingan/kontribusi ke [[media elektronik]] (situs web, blog), dan frekuensi distribusi informasi sebelumnya dalam jaringan mereka. | Variabel yang digunakan untuk menghitung PJS seseorang termasuk tetapi tidak terbatas pada: partisipasi dalam aktivitas Jejaring Sosial, keanggotaan kelompok, peran kepemimpinan, pengakuan, publikasi/penyuntingan/kontribusi ke media non-elektronik, publikasi/penyuntingan/kontribusi ke [[media elektronik]] (situs web, blog), dan frekuensi distribusi informasi sebelumnya dalam jaringan mereka.<ref>Sara Rosengren (Hrsg.). [https://www.springer.com/us/book/9783658023645 The Changing Roles of Advertising]. Springer Fachmedien Wiesbaden GmbH. 2013. ISBN 9783658023645.</ref> | ||
Buku pertama yang membahas penggunaan komersial Pengguna Alpha di antara audiens telekomunikasi seluler adalah 3G Marketing oleh Ahonen, Kasper dan Melkko pada tahun 2004. Buku pertama yang membahas Pengguna Alpha secara lebih umum dalam konteks kecerdasan pemasaran sosial adalah Communities Dominate Brands oleh Ahonen & Moore pada tahun 2005. Pada tahun 2012, Nicola Greco ([[Universitas Kolese London|UCL]]) mempresentasikan di [[TED (konferensi)|TEDx]] Potensi Jejaring Sosial sebagai paralelisme terhadap energi potensial yang dihasilkan pengguna dan harus digunakan oleh perusahaan, dengan menyatakan bahwa "PJS adalah aset baru yang harus dimiliki setiap perusahaan". | Buku pertama<ref>Ahonen, T. T., Kasper, T., & Melkko, S. (2005). 3G marketing: communities and strategic partnerships. John Wiley & Sons.</ref> yang membahas penggunaan komersial Pengguna Alpha di antara audiens telekomunikasi seluler adalah 3G Marketing oleh Ahonen, Kasper dan Melkko pada tahun 2004. Buku pertama yang membahas Pengguna Alpha secara lebih umum dalam konteks kecerdasan pemasaran sosial adalah Communities Dominate Brands oleh Ahonen & Moore pada tahun 2005. Pada tahun 2012, Nicola Greco ([[Universitas Kolese London|UCL]]) mempresentasikan di [[TED (konferensi)|TEDx]] Potensi Jejaring Sosial sebagai paralelisme terhadap energi potensial yang dihasilkan pengguna dan harus digunakan oleh perusahaan, dengan menyatakan bahwa "PJS adalah aset baru yang harus dimiliki setiap perusahaan".<ref>[http://tedxtalks.ted.com/video/TEDxMilano-Nicola-Greco-on-math;search%3Atag%3A"technology" Watch "TEDxMilano – Nicola Greco – on math and social network" Video at TEDxTalks]. ''TEDxTalks''.</ref> | ||
== Aplikasi praktis == | == Aplikasi praktis == | ||
Analisis jaringan sosial digunakan secara luas dalam berbagai aplikasi dan disiplin ilmu. Beberapa aplikasi analisis jaringan yang umum meliputi agregasi dan [[penggalian data]], pemodelan penyebaran jaringan, pemodelan dan pengambilan sampel jaringan, analisis atribut dan perilaku pengguna, dukungan sumber daya yang dikelola komunitas, analisis interaksi berbasis lokasi, berbagi dan penyaringan sosial, pengembangan [[sistem rekomendasi]], serta [[prediksi tautan]] dan resolusi entitas. Di sektor swasta, bisnis menggunakan analisis jaringan sosial untuk mendukung aktivitas seperti interaksi dan analisis pelanggan, analisis pengembangan [[sistem informasi]], pemasaran, dan kebutuhan [[inteligensi bisnis|intelijen bisnis]]. Beberapa penggunaan di sektor publik meliputi pengembangan strategi keterlibatan pemimpin, analisis keterlibatan individu dan kelompok serta [[psikologi media|penggunaan media]], dan [[penyelesaian masalah|pemecahan masalah]] berbasis komunitas. | Analisis jaringan sosial digunakan secara luas dalam berbagai aplikasi dan disiplin ilmu. Beberapa aplikasi analisis jaringan yang umum meliputi agregasi dan [[penggalian data]], pemodelan penyebaran jaringan, pemodelan dan pengambilan sampel jaringan, analisis atribut dan perilaku pengguna, dukungan sumber daya yang dikelola komunitas, analisis interaksi berbasis lokasi, berbagi dan penyaringan sosial, pengembangan [[sistem rekomendasi]], serta [[prediksi tautan]] dan resolusi entitas.<ref>Golbeck, J. [https://archive.org/details/analyzingsocialw0000golb Analyzing the Social Web]. Morgan Kaufmann. 2013. ISBN 978-0-12-405856-9.</ref> Di sektor swasta, bisnis menggunakan analisis jaringan sosial untuk mendukung aktivitas seperti interaksi dan analisis pelanggan, analisis pengembangan [[sistem informasi]],<ref>Michael Aram. ''Multilayered analysis of co-development of business information systems''. ''Journal of Internet Services and Applications''. 1 Juli 2015. Vol. 6 (1). hlm. 13. doi:10.1186/s13174-015-0030-8.</ref> pemasaran, dan kebutuhan [[inteligensi bisnis|intelijen bisnis]]. Beberapa penggunaan di sektor publik meliputi pengembangan strategi keterlibatan pemimpin, analisis keterlibatan individu dan kelompok serta [[psikologi media|penggunaan media]], dan [[penyelesaian masalah|pemecahan masalah]] berbasis komunitas. | ||
=== Analisis jaringan sosial di sekolah === | === Analisis jaringan sosial di sekolah === | ||
Sejumlah besar peneliti di seluruh dunia meneliti jaringan sosial anak-anak dan remaja. Dalam kuesioner, mereka mencantumkan semua teman sekelas, siswa di kelas yang sama, atau teman sekolah, dengan pertanyaan: "Siapakah sahabatmu?". Siswa terkadang dapat menominasikan sebanyak mungkin teman sebaya yang mereka inginkan; di waktu lain, jumlah nominasinya terbatas. Peneliti jaringan sosial telah menyelidiki kesamaan dalam jaringan pertemanan. Kesamaan antara teman telah ditetapkan sejak zaman kuno. Kemiripan merupakan dasar penting bagi keberlangsungan persahabatan. Kesamaan dalam karakteristik, sikap, atau perilaku berarti bahwa teman-teman lebih cepat memahami satu sama lain, memiliki minat yang sama untuk dibicarakan, lebih memahami posisi mereka satu sama lain, dan lebih percaya satu sama lain. Hasilnya, hubungan seperti itu lebih stabil dan berharga. Selain itu, penampilan yang lebih mirip membuat kaum muda lebih percaya diri dan memperkuat mereka dalam mengembangkan identitas mereka. Kesamaan dalam perilaku dapat terjadi akibat dua proses: seleksi dan pengaruh. Kedua proses ini dapat dibedakan menggunakan analisis jaringan sosial longitudinal dalam paket R SIENA (Simulation Investigation for Empirical Network Analyses), yang dikembangkan oleh [[Tom Snijders]] dan rekan-rekannya. Analisis jaringan sosial longitudinal menjadi arus utama setelah penerbitan edisi khusus [[:en:Journal of Research on Adolescence|Jurnal Penelitian Remaja]] pada tahun 2013, yang diedit oleh [[René Veenstra]] dan berisi 15 makalah empiris. | Sejumlah besar peneliti di seluruh dunia meneliti jaringan sosial anak-anak dan remaja. Dalam kuesioner, mereka mencantumkan semua teman sekelas, siswa di kelas yang sama, atau teman sekolah, dengan pertanyaan: "Siapakah sahabatmu?". Siswa terkadang dapat menominasikan sebanyak mungkin teman sebaya yang mereka inginkan; di waktu lain, jumlah nominasinya terbatas. Peneliti jaringan sosial telah menyelidiki kesamaan dalam jaringan pertemanan. Kesamaan antara teman telah ditetapkan sejak zaman kuno.<ref>Miller McPherson. [https://www.annualreviews.org/doi/10.1146/annurev.soc.27.1.415 Birds of a Feather: Homophily in Social Networks]. ''Annual Review of Sociology''. 2001. Vol. 27 (1). hlm. 415–444. doi:10.1146/annurev.soc.27.1.415.</ref> Kemiripan merupakan dasar penting bagi keberlangsungan persahabatan. Kesamaan dalam karakteristik, sikap, atau perilaku berarti bahwa teman-teman lebih cepat memahami satu sama lain, memiliki minat yang sama untuk dibicarakan, lebih memahami posisi mereka satu sama lain, dan lebih percaya satu sama lain.<ref>Brett Laursen. ''Toward understanding the functions of peer influence: A summary and synthesis of recent empirical research''. ''Journal of Research on Adolescence''. 2021. Vol. 31 (4). hlm. 889–907. doi:10.1111/jora.12606.</ref> Hasilnya, hubungan seperti itu lebih stabil dan berharga. Selain itu, penampilan yang lebih mirip membuat kaum muda lebih percaya diri dan memperkuat mereka dalam mengembangkan identitas mereka.<ref>[https://psycnet.apa.org/record/1995-97220-012 Hallinan, M. T. (1980). Patterns of cliquing among youth. In H. C. Foot, A. J. Chapman, & J. R. Smith (Eds.), Friendship and social relations in children (pp. 321–342). New York, NY: Wiley]. ''psycnet.apa.org''.</ref> Kesamaan dalam perilaku dapat terjadi akibat dua proses: seleksi dan pengaruh. Kedua proses ini dapat dibedakan menggunakan analisis jaringan sosial longitudinal dalam paket R SIENA (Simulation Investigation for Empirical Network Analyses), yang dikembangkan oleh [[Tom Snijders]] dan rekan-rekannya.<ref>Tom A. B. Snijders. [https://www.sciencedirect.com/science/article/pii/S0378873309000069 Introduction to stochastic actor-based models for network dynamics]. ''Social Networks''. 2010. Vol. 32 (1). hlm. 44–60. doi:10.1016/j.socnet.2009.02.004.</ref> Analisis jaringan sosial longitudinal menjadi arus utama setelah penerbitan edisi khusus [[:en:Journal of Research on Adolescence|Jurnal Penelitian Remaja]] pada tahun 2013, yang diedit oleh [[René Veenstra]] dan berisi 15 makalah empiris.<ref>René Veenstra. [https://osf.io/preprints/socarxiv/s57zm/ The Prominence of Peer Interactions, Relationships, and Networks in Adolescence and Early Adulthood]. ''osf.io''. American Psychological Association. 2023.</ref> | ||
=== Aplikasi keamanan === | === Aplikasi keamanan === | ||
Analisis jaringan sosial juga digunakan dalam kegiatan intelijen, [[kontra-intelijen]], dan [[penegakan hukum]]. Teknik ini memungkinkan analis untuk memetakan organisasi rahasia seperti jaringan [[spionase|mata-mata]], keluarga kriminal terorganisasi, atau geng jalanan. [[Badan Keamanan Nasional]] (NSA) menggunakan program [[pengawasan komputer dan jaringan|pengawasan elektroniknya]] untuk menghasilkan data yang diperlukan guna melakukan jenis analisis ini pada sel teroris dan jaringan lain yang dianggap relevan dengan keamanan nasional. NSA memeriksa hingga tiga simpul dalam analisis jaringan ini. Setelah pemetaan awal jaringan sosial selesai, analisis dilakukan untuk menentukan struktur jaringan dan menentukan, misalnya, pemimpin dalam jaringan. Hal ini memungkinkan aset militer atau penegak hukum untuk melancarkan serangan pemenggalan kepala dengan cara menangkap atau membunuh target bernilai tinggi dalam posisi kepemimpinan untuk mengganggu fungsi jaringan. NSA telah melakukan analisis jaringan sosial pada catatan detail panggilan, yang juga dikenal sebagai [[metadata]], sejak tak lama setelah [[serangan 11 September 2001]]. | Analisis jaringan sosial juga digunakan dalam kegiatan intelijen, [[kontra-intelijen]], dan [[penegakan hukum]]. Teknik ini memungkinkan analis untuk memetakan organisasi rahasia seperti jaringan [[spionase|mata-mata]], keluarga kriminal terorganisasi, atau geng jalanan. [[Badan Keamanan Nasional]] (NSA) menggunakan program [[pengawasan komputer dan jaringan|pengawasan elektroniknya]] untuk menghasilkan data yang diperlukan guna melakukan jenis analisis ini pada sel teroris dan jaringan lain yang dianggap relevan dengan keamanan nasional. NSA memeriksa hingga tiga simpul dalam analisis jaringan ini.<ref>Spencer Ackerman. [https://www.theguardian.com/world/2013/jul/17/nsa-surveillance-house-hearing NSA warned to rein in surveillance as agency reveals even greater scope]. ''The Guardian''. 17 Juli 2013.</ref> Setelah pemetaan awal jaringan sosial selesai, analisis dilakukan untuk menentukan struktur jaringan dan menentukan, misalnya, pemimpin dalam jaringan.<ref>[http://www.digitaltonto.com/2013/how-the-nsa-uses-social-network-analysis-to-map-terrorist-networks/ How The NSA Uses Social Network Analysis To Map Terrorist Networks]. 12 Juni 2013.</ref> Hal ini memungkinkan aset militer atau penegak hukum untuk melancarkan serangan pemenggalan kepala dengan cara menangkap atau membunuh target bernilai tinggi dalam posisi kepemimpinan untuk mengganggu fungsi jaringan. NSA telah melakukan analisis jaringan sosial pada catatan detail panggilan, yang juga dikenal sebagai [[metadata]], sejak tak lama setelah [[serangan 11 September 2001]].<ref>[https://www.wired.com/science/discoveries/news/2006/05/70888 NSA Using Social Network Analysis]. 12 May 2006.</ref><ref>Alexander Dryer. [http://www.slate.com/articles/news_and_politics/explainer/2006/05/how_the_nsa_does_social_network_analysis.html NSA has massive database of Americans' phone calls]. ''Slate''. 11 Mei 2006.</ref> | ||
=== Aplikasi analisis tekstual === | === Aplikasi analisis tekstual === | ||
Korpus tekstual yang besar dapat diubah menjadi jaringan dan kemudian dianalisis menggunakan analisis jaringan sosial. Dalam jaringan ini, simpulnya adalah Aktor Sosial, dan tautannya adalah Tindakan. Ekstraksi jaringan ini dapat diotomatisasi dengan menggunakan parser. Jaringan yang dihasilkan, yang dapat berisi ribuan simpul, kemudian dianalisis menggunakan alat dari teori jaringan untuk mengidentifikasi aktor utama, komunitas atau pihak utama, dan properti umum seperti ketahanan atau stabilitas struktural jaringan keseluruhan atau sentralitas simpul tertentu. Hal ini mengotomatisasi pendekatan yang diperkenalkan oleh Analisis Naratif Kuantitatif, dimana triplet subjek-kata kerja-objek diidentifikasi dengan pasangan aktor yang dihubungkan oleh suatu tindakan, atau pasangan yang dibentuk oleh aktor-objek. | Korpus tekstual yang besar dapat diubah menjadi jaringan dan kemudian dianalisis menggunakan analisis jaringan sosial. Dalam jaringan ini, simpulnya adalah Aktor Sosial, dan tautannya adalah Tindakan. Ekstraksi jaringan ini dapat diotomatisasi dengan menggunakan parser. Jaringan yang dihasilkan, yang dapat berisi ribuan simpul, kemudian dianalisis menggunakan alat dari teori jaringan untuk mengidentifikasi aktor utama, komunitas atau pihak utama, dan properti umum seperti ketahanan atau stabilitas struktural jaringan keseluruhan atau sentralitas simpul tertentu.<ref>Saatviga Sudhahar. [https://research-information.bris.ac.uk/en/publications/dfb87140-42e2-486a-91d5-55f9007042df Network analysis of narrative content in large corpora]. ''Natural Language Engineering''. Januari 2015. Vol. 21 (1). hlm. 81–112. doi:10.1017/S1351324913000247.</ref> Hal ini mengotomatisasi pendekatan yang diperkenalkan oleh Analisis Naratif Kuantitatif,<ref>Quantitative Narrative Analysis; Roberto Franzosi; Emory University © 2010</ref> dimana triplet subjek-kata kerja-objek diidentifikasi dengan pasangan aktor yang dihubungkan oleh suatu tindakan, atau pasangan yang dibentuk oleh aktor-objek.<ref>Saatviga Sudhahar. ''Automated analysis of the US presidential elections using Big Data and network analysis''. ''Big Data & Society''. Mei 2015. Vol. 2 (1). doi:10.1177/2053951715572916.</ref> | ||
Dalam pendekatan lain, analisis tekstual dilakukan dengan mempertimbangkan jaringan kata-kata yang muncul bersamaan dalam sebuah teks. Dalam jaringan ini, simpul adalah kata-kata dan tautan di antara kata-kata tersebut diberi bobot berdasarkan frekuensi kemunculannya bersamaan (dalam rentang maksimum tertentu). | Dalam pendekatan lain, analisis tekstual dilakukan dengan mempertimbangkan jaringan kata-kata yang muncul bersamaan dalam sebuah teks. Dalam jaringan ini, simpul adalah kata-kata dan tautan di antara kata-kata tersebut diberi bobot berdasarkan frekuensi kemunculannya bersamaan (dalam rentang maksimum tertentu). | ||
=== Aplikasi internet === | === Aplikasi internet === | ||
Analisis jaringan sosial juga telah diterapkan untuk memahami perilaku daring oleh individu, organisasi, dan antar situs web. Analisis [[pranala]] dapat digunakan untuk menganalisis koneksi antara [[situs web]] atau [[laman web]] untuk memeriksa bagaimana informasi mengalir saat individu menavigasi web. Hubungan antara organisasi telah dianalisis melalui analisis pranala untuk memeriksa organisasi mana saja dalam suatu masalah komunitas. | Analisis jaringan sosial juga telah diterapkan untuk memahami perilaku daring oleh individu, organisasi, dan antar situs web.<ref>Fakhteh Ghanbarnejad. ''Dynamics On and Of Complex Networks III Machine Learning and Statistical Physics Approaches''. Springer International Publishing : Imprint: Springer. 2019. ISBN 9783030146832.</ref> Analisis [[pranala]] dapat digunakan untuk menganalisis koneksi antara [[situs web]] atau [[laman web]] untuk memeriksa bagaimana informasi mengalir saat individu menavigasi web.<ref>Megan Osterbur. ''A hegemon fighting for equal rights: the dominant role of COC Nederland in the LGBT transnational advocacy network''. ''Global Networks''. April 2017. Vol. 17 (2). hlm. 234–254. doi:10.1111/glob.12126.</ref> Hubungan antara organisasi telah dianalisis melalui analisis pranala untuk memeriksa organisasi mana saja dalam suatu masalah komunitas.<ref>[https://www.degruyter.com/document/doi/10.18574/nyu/9781479849468.003.0034/html LGBTQ Politics]. New York University Press. 19 September 2017. hlm. 493–522. doi:10.18574/nyu/9781479849468.003.0034. ISBN 978-1-4798-4946-8.</ref> | ||
==== Netokrasi ==== | ==== Netokrasi ==== | ||
Konsep lain yang muncul dari hubungan antara teori jaringan sosial dan Internet adalah konsep [[netokrasi]], di mana beberapa penulis muncul mempelajari korelasi antara penggunaan jaringan sosial daring yang luas, dan perubahan dalam dinamika kekuatan sosial. | Konsep lain yang muncul dari hubungan antara teori jaringan sosial dan Internet adalah konsep [[netokrasi]], di mana beberapa penulis muncul mempelajari korelasi antara penggunaan jaringan sosial daring yang luas, dan perubahan dalam dinamika kekuatan sosial.<ref>Alexander Bard. [https://books.google.com/books?id=TeWCBwAAQBAJ&pg=PT131 The Netocracts: Futurica Trilogy 1]. Stockholm Text. 24 Februari 2012. ISBN 9789187173004.</ref> | ||
==== Aplikasi internet sosial media ==== | ==== Aplikasi internet sosial media ==== | ||
Analisis jaringan sosial telah diterapkan pada media sosial sebagai alat untuk memahami perilaku antara individu atau organisasi melalui keterkaitan mereka di situs web media sosial seperti [[Twitter]] dan [[Facebook]]. | Analisis jaringan sosial telah diterapkan pada media sosial sebagai alat untuk memahami perilaku antara individu atau organisasi melalui keterkaitan mereka di situs web media sosial seperti [[Twitter]] dan [[Facebook]].<ref>Haewoon Kwak. ''Proceedings of the 19th international conference on World wide web''. ACM. 2010-04-26. hlm. 591–600. doi:10.1145/1772690.1772751. ISBN 9781605587998.</ref> | ||
=== Dalam pembelajaran kolaboratif yang didukung komputer === | === Dalam pembelajaran kolaboratif yang didukung komputer === | ||
Salah satu metode terkini penerapan analisis jaringan sosial adalah studi [[:en:Computer-supported collaborative learning|pembelajaran kolaboratif yang didukung komputer]] (CSCL). Saat diterapkan pada CSCL, analisis jaringan sosial digunakan untuk membantu memahami bagaimana peserta didik berkolaborasi dalam hal jumlah, frekuensi, dan durasi, serta kualitas, topik, dan strategi komunikasi. Selain itu, analisis jaringan sosial dapat berfokus pada aspek-aspek tertentu dari koneksi jaringan, atau keseluruhan jaringan. Analisis jaringan sosial menggunakan representasi grafis, representasi tertulis, dan representasi data untuk membantu memeriksa koneksi dalam jaringan CSCL. Saat menerapkan SNA pada lingkungan CSCL, interaksi para peserta diperlakukan sebagai jaringan sosial. Fokus analisisnya adalah pada "hubungan" yang terjalin di antara para peserta – bagaimana mereka berinteraksi dan berkomunikasi – dan bukan pada bagaimana masing-masing peserta berperilaku sendiri-sendiri. | Salah satu metode terkini penerapan analisis jaringan sosial adalah studi [[:en:Computer-supported collaborative learning|pembelajaran kolaboratif yang didukung komputer]] (CSCL). Saat diterapkan pada CSCL, analisis jaringan sosial digunakan untuk membantu memahami bagaimana peserta didik berkolaborasi dalam hal jumlah, frekuensi, dan durasi, serta kualitas, topik, dan strategi komunikasi.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> Selain itu, analisis jaringan sosial dapat berfokus pada aspek-aspek tertentu dari koneksi jaringan, atau keseluruhan jaringan. Analisis jaringan sosial menggunakan representasi grafis, representasi tertulis, dan representasi data untuk membantu memeriksa koneksi dalam jaringan CSCL.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> Saat menerapkan SNA pada lingkungan CSCL, interaksi para peserta diperlakukan sebagai jaringan sosial. Fokus analisisnya adalah pada "hubungan" yang terjalin di antara para peserta – bagaimana mereka berinteraksi dan berkomunikasi – dan bukan pada bagaimana masing-masing peserta berperilaku sendiri-sendiri. | ||
==== Istilah-istilah penting ==== | ==== Istilah-istilah penting ==== | ||
Ada beberapa istilah kunci yang terkait dengan penelitian analisis jaringan sosial dalam pembelajaran kolaboratif yang didukung komputer seperti: '''kepadatan''', '''sentralitas''', '''derajat masuk''', '''derajat keluar''', dan '''sosiogram'''. | Ada beberapa istilah kunci yang terkait dengan penelitian analisis jaringan sosial dalam pembelajaran kolaboratif yang didukung komputer seperti: '''kepadatan''', '''sentralitas''', '''derajat masuk''', '''derajat keluar''', dan '''sosiogram'''. | ||
* '''Kepadatan''' mengacu pada "koneksi" antara peserta. Kepadatan didefinisikan sebagai jumlah koneksi yang dimiliki peserta, dibagi dengan total kemungkinan koneksi yang dapat dimiliki peserta. Misalnya, jika ada 20 orang yang berpartisipasi, setiap orang berpotensi terhubung dengan 19 orang lainnya. Kepadatan 100% (19/19) adalah kepadatan terbesar dalam sistem. Kepadatan 5% menunjukkan hanya ada 1 dari 19 kemungkinan koneksi. | * '''Kepadatan''' mengacu pada "koneksi" antara peserta. Kepadatan didefinisikan sebagai jumlah koneksi yang dimiliki peserta, dibagi dengan total kemungkinan koneksi yang dapat dimiliki peserta. Misalnya, jika ada 20 orang yang berpartisipasi, setiap orang berpotensi terhubung dengan 19 orang lainnya. Kepadatan 100% (19/19) adalah kepadatan terbesar dalam sistem. Kepadatan 5% menunjukkan hanya ada 1 dari 19 kemungkinan koneksi.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> | ||
* '''Sentralitas''' berfokus pada perilaku peserta individu dalam suatu jaringan. Ia mengukur sejauh mana seorang individu berinteraksi dengan individu lain dalam jaringan. Semakin banyak individu terhubung dengan orang lain dalam suatu jaringan, semakin besar sentralitas mereka dalam jaringan. | * '''Sentralitas''' berfokus pada perilaku peserta individu dalam suatu jaringan. Ia mengukur sejauh mana seorang individu berinteraksi dengan individu lain dalam jaringan. Semakin banyak individu terhubung dengan orang lain dalam suatu jaringan, semakin besar sentralitas mereka dalam jaringan.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref><ref>''Social network differences of chronotypes identified from mobile phone data''. 2018.</ref> | ||
Variabel derajat masuk dan derajat keluar terkait dengan sentralitas. | Variabel derajat masuk dan derajat keluar terkait dengan sentralitas. | ||
* Sentralitas '''derajat masuk''' terpusat pada individu tertentu sebagai titik fokus; sentralitas semua individu lainnya didasarkan pada hubungan mereka dengan titik fokus individu "derajat masuk". | * Sentralitas '''derajat masuk''' terpusat pada individu tertentu sebagai titik fokus; sentralitas semua individu lainnya didasarkan pada hubungan mereka dengan titik fokus individu "derajat masuk".<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> | ||
* '''Derajat keluar''' merupakan ukuran sentralitas yang masih berfokus pada satu individu saja, namun analitiknya memperhatikan interaksi keluar dari individu tersebut; ukuran sentralitas derajat keluar adalah seberapa sering individu yang menjadi titik fokus berinteraksi dengan orang lain. | * '''Derajat keluar''' merupakan ukuran sentralitas yang masih berfokus pada satu individu saja, namun analitiknya memperhatikan interaksi keluar dari individu tersebut; ukuran sentralitas derajat keluar adalah seberapa sering individu yang menjadi titik fokus berinteraksi dengan orang lain.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref><ref>''Social network differences of chronotypes identified from mobile phone data''. 2018.</ref> | ||
* '''Sosiogram''' adalah visualisasi dengan batasan koneksi yang jelas dalam jaringan. Misalnya, sosiogram yang menunjukkan titik sentralitas derajat keluar untuk Partisipan A akan menggambarkan semua koneksi keluar yang dibuat Partisipan A dalam jaringan yang diteliti. | * '''Sosiogram''' adalah visualisasi dengan batasan koneksi yang jelas dalam jaringan. Misalnya, sosiogram yang menunjukkan titik sentralitas derajat keluar untuk Partisipan A akan menggambarkan semua koneksi keluar yang dibuat Partisipan A dalam jaringan yang diteliti.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> | ||
==== Kemampuan unik ==== | ==== Kemampuan unik ==== | ||
Para peneliti menggunakan analisis jaringan sosial dalam studi pembelajaran kolaboratif yang didukung komputer sebagian karena kemampuan unik yang ditawarkannya. Metode khusus ini memungkinkan studi pola interaksi dalam komunitas pembelajaran jaringan dan dapat membantu menggambarkan sejauh mana interaksi peserta dengan anggota kelompok lainnya. Grafik yang dibuat menggunakan alat analisis jaringan sosial memberikan visualisasi hubungan antar peserta dan strategi yang digunakan untuk berkomunikasi dalam kelompok. Beberapa penulis juga menyarankan bahwa analisis jaringan sosial menyediakan metode untuk menganalisis perubahan pola partisipasi anggota dari waktu ke waktu dengan mudah. | Para peneliti menggunakan analisis jaringan sosial dalam studi pembelajaran kolaboratif yang didukung komputer sebagian karena kemampuan unik yang ditawarkannya. Metode khusus ini memungkinkan studi pola interaksi dalam komunitas pembelajaran jaringan dan dapat membantu menggambarkan sejauh mana interaksi peserta dengan anggota kelompok lainnya.<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> Grafik yang dibuat menggunakan alat analisis jaringan sosial memberikan visualisasi hubungan antar peserta dan strategi yang digunakan untuk berkomunikasi dalam kelompok. Beberapa penulis juga menyarankan bahwa analisis jaringan sosial menyediakan metode untuk menganalisis perubahan pola partisipasi anggota dari waktu ke waktu dengan mudah.<ref>''International Conference of the Learning Sciences''. 2013. hlm. 346–351. doi:10.4324/9780203763865-71. ISBN 9780203763865.</ref> | ||
Sejumlah penelitian telah menerapkan SNA pada CSCL dalam berbagai konteks. Temuannya meliputi korelasi antara kepadatan jaringan dan kehadiran guru, perhatian yang lebih besar terhadap rekomendasi dari peserta "pusat", jarangnya interaksi lintas gender dalam jaringan, dan peran yang relatif kecil yang dimainkan oleh instruktur dalam jaringan pembelajaran asinkron. | Sejumlah penelitian telah menerapkan SNA pada CSCL dalam berbagai konteks. Temuannya meliputi korelasi antara kepadatan jaringan dan kehadiran guru,<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> perhatian yang lebih besar terhadap rekomendasi dari peserta "pusat",<ref>A. Martı́nez. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/n48 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education''. December 2003. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> jarangnya interaksi lintas gender dalam jaringan,<ref>Cho, H. ''Social information sharing in a CSCL community''. Lawrence Erlbaum. 2002. hlm. 43–50.</ref> dan peran yang relatif kecil yang dimainkan oleh instruktur dalam jaringan pembelajaran asinkron.<ref>Aviv, R. ''Network analysis of knowledge construction in asynchronous learning networks''. ''Journal of Asynchronous Learning Networks''. 2003. Vol. 7 (3). hlm. 1–23.</ref> | ||
==== Metode lain yang digunakan dengan analisis jaringan sosial ==== | ==== Metode lain yang digunakan dengan analisis jaringan sosial ==== | ||
Meskipun banyak penelitian telah menunjukkan nilai analisis jaringan sosial dalam bidang pembelajaran kolaboratif yang didukung komputer, para peneliti telah menyarankan bahwa analisis jaringan sosial sendiri tidak cukup untuk mencapai pemahaman penuh tentang CSCL. Kompleksitas proses interaksi dan banyaknya sumber data membuat analisis jaringan sosial sulit untuk memberikan analisis mendalam tentang CSCL. Para peneliti menunjukkan bahwa analisis jaringan sosial perlu dilengkapi dengan metode analisis lain untuk membentuk gambaran yang lebih akurat tentang pengalaman belajar kolaboratif. | Meskipun banyak penelitian telah menunjukkan nilai analisis jaringan sosial dalam bidang pembelajaran kolaboratif yang didukung komputer,<ref>Maarten de Laat. ''Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis''. ''International Journal of Computer-Supported Collaborative Learning''. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.</ref> para peneliti telah menyarankan bahwa analisis jaringan sosial sendiri tidak cukup untuk mencapai pemahaman penuh tentang CSCL. Kompleksitas proses interaksi dan banyaknya sumber data membuat analisis jaringan sosial sulit untuk memberikan analisis mendalam tentang CSCL.<ref>Thanasis Daradoumis. [https://archive.org/details/unset0000unse_i0a6/page/289 Groupware: Design, Implementation, and Use]. Springer Berlin Heidelberg. 2004-09-05. Vol. 3198. hlm. [https://archive.org/details/unset0000unse_i0a6/page/289 289–304]. doi:10.1007/978-3-540-30112-7_25. ISBN 9783540230168.</ref> Para peneliti menunjukkan bahwa analisis jaringan sosial perlu dilengkapi dengan metode analisis lain untuk membentuk gambaran yang lebih akurat tentang pengalaman belajar kolaboratif.<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
Sejumlah penelitian telah menggabungkan jenis analisis lain dengan analisis jaringan sosial dalam studi CSCL. Hal ini dapat disebut sebagai pendekatan multi-metode atau [[triangulasi]] data, yang akan menghasilkan peningkatan [[reliabilitas|keandalan]] evaluasi dalam studi CSCL. | Sejumlah penelitian telah menggabungkan jenis analisis lain dengan analisis jaringan sosial dalam studi CSCL. Hal ini dapat disebut sebagai pendekatan multi-metode atau [[triangulasi]] data, yang akan menghasilkan peningkatan [[reliabilitas|keandalan]] evaluasi dalam studi CSCL. | ||
* Metode kualitatif – Prinsip penelitian studi kasus kualitatif merupakan kerangka kerja yang kuat untuk integrasi metode analisis jaringan sosial dalam studi pengalaman CSCL. | * Metode kualitatif – Prinsip penelitian studi kasus kualitatif merupakan kerangka kerja yang kuat untuk integrasi metode analisis jaringan sosial dalam studi pengalaman CSCL.<ref>Karen E. Johnson. [https://archive.org/details/sim_modern-language-journal_winter-1996_80_4/page/556 Review of The Art of Case Study Research]. ''The Modern Language Journal''. 1996-01-01. Vol. 80 (4). hlm. 556–557. doi:10.2307/329758.</ref> | ||
** ''Data [[etnografi]]'' seperti kuesioner dan wawancara siswa serta observasi non-partisipan di kelas | ** ''Data [[etnografi]]'' seperti kuesioner dan wawancara siswa serta observasi non-partisipan di kelas<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
** ''[[Studi kasus]]:'' mempelajari situasi CSCL tertentu secara komprehensif dan menghubungkan temuan dengan skema umum | ** ''[[Studi kasus]]:'' mempelajari situasi CSCL tertentu secara komprehensif dan menghubungkan temuan dengan skema umum<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
** ''[[Analisis isi]]:'' menawarkan informasi tentang isi komunikasi antar anggota | ** ''[[Analisis isi]]:'' menawarkan informasi tentang isi komunikasi antar anggota<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
* Metode kuantitatif – Ini mencakup analisis statistik deskriptif sederhana pada kejadian untuk mengidentifikasi sikap tertentu dari anggota kelompok yang belum dapat dilacak melalui analisis jaringan sosial untuk mendeteksi kecenderungan umum. | * Metode kuantitatif – Ini mencakup analisis statistik deskriptif sederhana pada kejadian untuk mengidentifikasi sikap tertentu dari anggota kelompok yang belum dapat dilacak melalui analisis jaringan sosial untuk mendeteksi kecenderungan umum. | ||
** ''[[berkas log|File log]] komputer:'' menyediakan data otomatis tentang bagaimana alat kolaboratif digunakan oleh pelajar | ** ''[[berkas log|File log]] komputer:'' menyediakan data otomatis tentang bagaimana alat kolaboratif digunakan oleh pelajar<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
** ''[[Penskalaan multidimensi]]:'' memetakan kesamaan di antara para aktor, sehingga data masukan yang lebih mirip lebih dekat satu sama lain | ** ''[[Penskalaan multidimensi]]:'' memetakan kesamaan di antara para aktor, sehingga data masukan yang lebih mirip lebih dekat satu sama lain<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
** ''Alat [[perangkat lunak]]:'' QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis), dan Nud*IST | ** ''Alat [[perangkat lunak]]:'' QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis), dan Nud*IST<ref>Martínez, A. [https://archive.org/details/sim_computers-education_2003-12_41_4/page/353 Combining qualitative evaluation and social network analysis for the study of classroom social interactions]. ''Computers & Education. Documenting Collaborative Interactions: Issues and Approaches''. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.</ref> | ||
== Lihat pula == | == Lihat pula == | ||
* [[Humaniora digital]] | * [[Humaniora digital]] | ||
* [[Jejaring sosial]] | * [[Jejaring sosial]] | ||
* [[Layanan jejaring sosial]] | * [[Layanan jejaring sosial]] | ||
* [[Pemodelan blok]] | * [[Pemodelan blok]] | ||
== Pranala luar == | == Pranala luar == | ||
== Referensi == | |||
<references /> | |||
== Sumber dan atribusi == | == Sumber dan atribusi == | ||
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+jaringan+sosial&oldid=29435644 Wikipedia bahasa Indonesia], revisi 29435644 (2026-07-09T08:41:36Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+jaringan+sosial&oldid=29435644 Wikipedia bahasa Indonesia], revisi 29435644 (2026-07-09T08:41:36Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | ||
<!-- WIKI_UNISSULA_PRESENTATION_V4 --> | |||
Revisi terkini sejak 25 Agustus 2026 18.02
Analisis jaringan sosial adalah proses penyelidikan struktur sosial melalui penggunaan jaringan dan teori grafik.[1] Ini mengkarakterisasikan struktur jaringan dalam bentuk simpul (aktor individual, orang, atau benda dalam jaringan) dan ikatan, sisi, atau tautan (hubungan atau interaksi) yang menghubungkannya. Contoh struktur sosial yang umumnya divisualisasikan melalui analisis jaringan sosial meliputi jaringan media sosial,[2][3] penyebaran meme,[4] sirkulasi informasi,[5] jaringan persahabatan dan kenalan, jaringan bisnis, jaringan pengetahuan,[6][7] hubungan kerja yang sulit,[8] grafik kolaborasi, kekerabatan, penularan penyakit, dan hubungan seksual.[9][10] Jaringan ini sering divisualisasikan melalui sosiogram di mana simpul direpresentasikan sebagai titik dan ikatan direpresentasikan sebagai garis. Visualisasi ini menyediakan sarana untuk menilai jaringan secara kualitatif dengan memvariasikan representasi visual simpul dan tepinya untuk mencerminkan atribut yang diinginkan.[11]
Analisis jaringan sosial telah muncul sebagai teknik kunci dalam sosiologi modern. Analisis ini juga memperoleh popularitas signifikan dalam bidang-bidang berikut: antropologi, biologi,[12] demografi, kajian komunikasi,[13][14] ekonomi, geografi, sejarah, ilmu informasi, kajian organisasi,[15][16] fisika,[17] ilmu politik,[18] kesehatan masyarakat,[19][20] psikologi sosial, kajian pembangunan, sosiolinguistik, dan ilmu komputer,[21] pendidikan dan penelitian pendidikan jarak jauh,[22] dan sekarang tersedia secara umum sebagai alat konsumen (lihat perangkat lunak analisis jaringan sosial).[23][24][25]
Sejarah
Analisis jaringan sosial berakar pada karya sosiolog terdahulu seperti Georg Simmel dan Émile Durkheim, yang menulis tentang pentingnya mempelajari pola hubungan yang menghubungkan pelaku sosial. Ilmuwan sosial telah menggunakan konsep "jaringan sosial" sejak awal abad ke-20 untuk menunjukkan serangkaian hubungan yang kompleks antara anggota sistem sosial di semua skala, dari antarpribadi hingga internasional.[26]
Pada tahun 1930-an, Jacob Moreno dan Helen Jennings memperkenalkan metode analisis dasar.[27] Pada tahun 1954, John Arundel Barnes mulai menggunakan istilah tersebut secara sistematis untuk menunjukkan pola ikatan, yang mencakup konsep yang secara tradisional digunakan oleh publik dan yang digunakan oleh ilmuwan sosial: kelompok terbatas (misalnya, suku, keluarga) dan kategori sosial (misalnya, gender, etnis).
Dimulai pada tahun 1970-an, akademisi seperti Ronald Burt, Kathleen Carley, Mark Granovetter, David Krackhardt, Edward Laumann, Anatol Rapoport, Barry Wellman, Douglas R. White, dan Harrison White memperluas penggunaan analisis jaringan sosial yang sistematis.[28]
Dimulai pada akhir tahun 1990-an, analisis jaringan sosial mengalami kebangkitan lebih lanjut dengan karya para sosiolog, ilmuwan politik, ekonom, ilmuwan komputer, dan fisikawan seperti Duncan J. Watts, Albert-László Barabási, Peter Bearman, Nicholas A. Christakis, James H. Fowler, Mark Newman, Matthew Jackson, Jon Kleinberg, dan lainnya, yang mengembangkan dan menerapkan model serta metode baru, yang sebagian didorong oleh munculnya data baru yang tersedia tentang jaringan sosial daring serta "jejak digital" mengenai jaringan tatap muka.
Analisis jaringan sosial komputasional telah digunakan secara luas dalam penelitian perolehan bahasa kedua melalui studi di luar negeri.[29][30] Bahkan dalam studi literatur, analisis jaringan telah diterapkan oleh Anheier, Gerhards dan Romo,[31] Wouter De Nooy,[32] dan Burgert Senekal.[33]
Metrik
Ukuran: Jumlah anggota jaringan dalam jaringan tertentu.
Koneksi
Homofili: Sejauh mana aktor membentuk ikatan dengan orang lain yang serupa atau berbeda. Kesamaan dapat didefinisikan berdasarkan jenis kelamin, ras, usia, pekerjaan, prestasi pendidikan, status, nilai, atau karakteristik menonjol lainnya.[34] Homofili juga disebut sebagai asortativitas.
Multipleksitas: Jumlah bentuk konten yang terkandung dalam suatu ikatan.[35] Misalnya, dua orang yang berteman dan juga bekerja bersama akan memiliki multipleksitas 2.[36] Multipleksitas telah dikaitkan dengan kekuatan hubungan dan juga dapat mencakup tumpang tindih ikatan jaringan positif dan negatif.[37]
Timbal balik: Sejauh mana dua aktor saling membalas persahabatan atau interaksi lainnya.[38]
Penutupan Jaringan: Ukuran kelengkapan triad relasional. Asumsi individu tentang penutupan jaringan (yaitu bahwa teman-teman mereka juga teman) disebut transitivitas. Transitivitas adalah hasil dari sifat individu atau situasional dari Kebutuhan akan Penutupan Kognitif.[39]
Kedekatan: Kecenderungan aktor untuk memiliki lebih banyak ikatan dengan orang lain yang dekat secara geografis.
Distribusi
Bridge: Individu yang ikatannya yang lemah mengisi lubang struktural, menyediakan satu-satunya penghubung antara dua individu atau kelompok. Ini juga mencakup rute terpendek ketika rute yang lebih panjang tidak memungkinkan karena risiko tinggi distorsi pesan atau kegagalan pengiriman.[40]
Sentralitas: Sentralitas merujuk pada sekelompok metrik yang bertujuan untuk mengukur "pentingnya" atau "pengaruh" (dalam berbagai pengertian) suatu simpul (atau kelompok) tertentu dalam suatu jaringan.[41][42][43][44] Contoh metode umum pengukuran "sentralitas" meliputi sentralitas perantara,[45] sentralitas kedekatan, sentralitas vektor eigen, sentralitas alfa, dan sentralitas derajat.[46]
Kepadatan: Proporsi ikatan langsung dalam suatu jaringan relatif terhadap jumlah total yang mungkin.[47][48]
Jarak: Jumlah minimum ikatan yang diperlukan untuk menghubungkan dua aktor tertentu, seperti yang dipopulerkan oleh eksperimen dunia kecil Stanley Milgram dan gagasan enam derajat pemisahan.
Lubang struktural: Tidak adanya ikatan antara dua bagian jaringan. Menemukan dan memanfaatkan lubang struktural dapat memberi pengusaha keunggulan kompetitif. Konsep ini dikembangkan oleh sosiolog Ronald Burt, dan terkadang disebut sebagai konsepsi alternatif modal sosial.
Kekuatan Ikatan: Ditentukan oleh kombinasi linear waktu, intensitas emosional, keintiman, dan timbal balik (yaitu saling menguntungkan).[49] Ikatan yang kuat dikaitkan dengan homofili, kedekatan dan transitivitas, sementara ikatan yang lemah dikaitkan dengan bridge.
Segmentasi
Kelompok disebut 'lingkaran sosial' jika setiap individu terikat langsung dengan individu lainnya, 'kelompok sosial' jika kontak langsungnya kurang ketat, tidak tepat, atau sebagai blok yang kohesif secara struktural jika ketepatan diinginkan.[50]
Koefisien pengelompokkan: Ukuran kemungkinan dua asosiasi dari sebuah node merupakan asosiasi. Koefisien pengelompokan yang lebih tinggi menunjukkan 'keberagaman' yang lebih besar.[51]
Kohesi: Tingkat di mana para aktor terhubung langsung satu sama lain melalui ikatan yang kohesif. Kohesi struktural mengacu pada jumlah minimum anggota yang jika dikeluarkan dari suatu kelompok akan memutuskan hubungan kelompok tersebut.[52][53]
Pemodelan dan visualisasi jaringan
Representasi visual jaringan sosial penting untuk memahami data jaringan dan menyampaikan hasil analisis.[54] Sejumlah metode visualisasi untuk data yang dihasilkan oleh analisis jaringan sosial telah dipersiapkan.[55][56][57][58] Banyak perangkat lunak analitik yang memiliki modul untuk visualisasi jaringan. Data dieksplorasi dengan menampilkan simpul dan ikatan dalam berbagai tata letak dan memberikan warna, ukuran, dan properti canggih lainnya ke simpul. Representasi visual jaringan dapat menjadi metode yang ampuh untuk menyampaikan informasi yang kompleks. Namun, kehati-hatian harus dilakukan dalam menafsirkan properti simpul dan grafik dari tampilan visual saja, karena keduanya dapat salah menggambarkan properti struktural yang lebih baik ditangkap melalui analisis kuantitatif.[59]
Grafik bertanda dapat digunakan untuk menggambarkan hubungan baik dan buruk antara manusia. Tepi positif antara dua simpul menunjukkan hubungan positif (persahabatan, aliansi, kencan), dan tepi negatif menunjukkan hubungan negatif (kebencian, kemarahan). Grafik jaringan sosial bertanda dapat digunakan untuk memprediksi evolusi grafik di masa mendatang. Dalam jaringan sosial bertanda, ada konsep siklus "seimbang" dan "tidak seimbang". Siklus seimbang didefinisikan sebagai siklus di mana hasil perkalian semua tanda positif. Menurut teori keseimbangan, grafik seimbang menggambarkan sekelompok orang yang tidak mungkin mengubah pendapat mereka tentang orang lain dalam kelompok tersebut. Grafik tidak seimbang menggambarkan sekelompok orang yang sangat mungkin mengubah pendapat mereka tentang orang-orang dalam kelompok mereka. Misalnya, kelompok yang terdiri dari 3 orang (A, B, dan C) di mana A dan B memiliki hubungan positif, B dan C memiliki hubungan positif. Namun, C dan A memiliki hubungan negatif, siklus tidak seimbang. Kelompok ini sangat mungkin berubah menjadi siklus yang seimbang, seperti siklus di mana B hanya memiliki hubungan yang baik dengan A, dan A maupun B memiliki hubungan yang negatif dengan C. Dengan menggunakan konsep siklus yang seimbang dan tidak seimbang, evolusi grafik jaringan sosial yang bertanda dapat diprediksi.[60]
Berbagai pendekatan untuk pemetaan jaringan partisipatif telah terbukti berguna, terutama saat menggunakan analisis jaringan sosial sebagai alat untuk memfasilitasi perubahan. Di sini, peserta/pewawancara menyediakan data jaringan dengan memetakan jaringan (dengan pena dan kertas atau secara digital) selama sesi pengumpulan data. Contoh pendekatan pemetaan jaringan pena dan kertas, yang juga mencakup pengumpulan beberapa atribut aktor (pengaruh yang dirasakan dan tujuan aktor) adalah kotak peralatan Net-map. Salah satu manfaat dari pendekatan ini adalah memungkinkan peneliti untuk mengumpulkan data kualitatif dan mengajukan pertanyaan klarifikasi saat data jaringan dikumpulkan.[61]
Potensi jejaring sosial
Potensi Jaringan Sosial (PJS) adalah koefisien numerik, yang diturunkan melalui algoritma[62][63] untuk mewakili ukuran jaringan sosial individu dan kemampuan mereka untuk memengaruhi jaringan tersebut. Koefisien PJS pertama kali didefinisikan dan digunakan oleh Bob Gerstley pada tahun 2002. Istilah yang terkait erat adalah Pengguna Alfa, yang didefinisikan sebagai orang dengan PJS tinggi.
Koefisien PJS memiliki dua fungsi utama:
- Klasifikasi individu berdasarkan potensi jaringan sosialnya, dan
- Pembobotan responden dalam studi penelitian pemasaran kuantitatif.
Dengan menghitung PJS responden dan menargetkan responden PJS Tinggi, kekuatan dan relevansi penelitian pemasaran kuantitatif yang digunakan untuk mendorong strategi pemasaran viral ditingkatkan.
Variabel yang digunakan untuk menghitung PJS seseorang termasuk tetapi tidak terbatas pada: partisipasi dalam aktivitas Jejaring Sosial, keanggotaan kelompok, peran kepemimpinan, pengakuan, publikasi/penyuntingan/kontribusi ke media non-elektronik, publikasi/penyuntingan/kontribusi ke media elektronik (situs web, blog), dan frekuensi distribusi informasi sebelumnya dalam jaringan mereka.[64]
Buku pertama[65] yang membahas penggunaan komersial Pengguna Alpha di antara audiens telekomunikasi seluler adalah 3G Marketing oleh Ahonen, Kasper dan Melkko pada tahun 2004. Buku pertama yang membahas Pengguna Alpha secara lebih umum dalam konteks kecerdasan pemasaran sosial adalah Communities Dominate Brands oleh Ahonen & Moore pada tahun 2005. Pada tahun 2012, Nicola Greco (UCL) mempresentasikan di TEDx Potensi Jejaring Sosial sebagai paralelisme terhadap energi potensial yang dihasilkan pengguna dan harus digunakan oleh perusahaan, dengan menyatakan bahwa "PJS adalah aset baru yang harus dimiliki setiap perusahaan".[66]
Aplikasi praktis
Analisis jaringan sosial digunakan secara luas dalam berbagai aplikasi dan disiplin ilmu. Beberapa aplikasi analisis jaringan yang umum meliputi agregasi dan penggalian data, pemodelan penyebaran jaringan, pemodelan dan pengambilan sampel jaringan, analisis atribut dan perilaku pengguna, dukungan sumber daya yang dikelola komunitas, analisis interaksi berbasis lokasi, berbagi dan penyaringan sosial, pengembangan sistem rekomendasi, serta prediksi tautan dan resolusi entitas.[67] Di sektor swasta, bisnis menggunakan analisis jaringan sosial untuk mendukung aktivitas seperti interaksi dan analisis pelanggan, analisis pengembangan sistem informasi,[68] pemasaran, dan kebutuhan intelijen bisnis. Beberapa penggunaan di sektor publik meliputi pengembangan strategi keterlibatan pemimpin, analisis keterlibatan individu dan kelompok serta penggunaan media, dan pemecahan masalah berbasis komunitas.
Analisis jaringan sosial di sekolah
Sejumlah besar peneliti di seluruh dunia meneliti jaringan sosial anak-anak dan remaja. Dalam kuesioner, mereka mencantumkan semua teman sekelas, siswa di kelas yang sama, atau teman sekolah, dengan pertanyaan: "Siapakah sahabatmu?". Siswa terkadang dapat menominasikan sebanyak mungkin teman sebaya yang mereka inginkan; di waktu lain, jumlah nominasinya terbatas. Peneliti jaringan sosial telah menyelidiki kesamaan dalam jaringan pertemanan. Kesamaan antara teman telah ditetapkan sejak zaman kuno.[69] Kemiripan merupakan dasar penting bagi keberlangsungan persahabatan. Kesamaan dalam karakteristik, sikap, atau perilaku berarti bahwa teman-teman lebih cepat memahami satu sama lain, memiliki minat yang sama untuk dibicarakan, lebih memahami posisi mereka satu sama lain, dan lebih percaya satu sama lain.[70] Hasilnya, hubungan seperti itu lebih stabil dan berharga. Selain itu, penampilan yang lebih mirip membuat kaum muda lebih percaya diri dan memperkuat mereka dalam mengembangkan identitas mereka.[71] Kesamaan dalam perilaku dapat terjadi akibat dua proses: seleksi dan pengaruh. Kedua proses ini dapat dibedakan menggunakan analisis jaringan sosial longitudinal dalam paket R SIENA (Simulation Investigation for Empirical Network Analyses), yang dikembangkan oleh Tom Snijders dan rekan-rekannya.[72] Analisis jaringan sosial longitudinal menjadi arus utama setelah penerbitan edisi khusus Jurnal Penelitian Remaja pada tahun 2013, yang diedit oleh René Veenstra dan berisi 15 makalah empiris.[73]
Aplikasi keamanan
Analisis jaringan sosial juga digunakan dalam kegiatan intelijen, kontra-intelijen, dan penegakan hukum. Teknik ini memungkinkan analis untuk memetakan organisasi rahasia seperti jaringan mata-mata, keluarga kriminal terorganisasi, atau geng jalanan. Badan Keamanan Nasional (NSA) menggunakan program pengawasan elektroniknya untuk menghasilkan data yang diperlukan guna melakukan jenis analisis ini pada sel teroris dan jaringan lain yang dianggap relevan dengan keamanan nasional. NSA memeriksa hingga tiga simpul dalam analisis jaringan ini.[74] Setelah pemetaan awal jaringan sosial selesai, analisis dilakukan untuk menentukan struktur jaringan dan menentukan, misalnya, pemimpin dalam jaringan.[75] Hal ini memungkinkan aset militer atau penegak hukum untuk melancarkan serangan pemenggalan kepala dengan cara menangkap atau membunuh target bernilai tinggi dalam posisi kepemimpinan untuk mengganggu fungsi jaringan. NSA telah melakukan analisis jaringan sosial pada catatan detail panggilan, yang juga dikenal sebagai metadata, sejak tak lama setelah serangan 11 September 2001.[76][77]
Aplikasi analisis tekstual
Korpus tekstual yang besar dapat diubah menjadi jaringan dan kemudian dianalisis menggunakan analisis jaringan sosial. Dalam jaringan ini, simpulnya adalah Aktor Sosial, dan tautannya adalah Tindakan. Ekstraksi jaringan ini dapat diotomatisasi dengan menggunakan parser. Jaringan yang dihasilkan, yang dapat berisi ribuan simpul, kemudian dianalisis menggunakan alat dari teori jaringan untuk mengidentifikasi aktor utama, komunitas atau pihak utama, dan properti umum seperti ketahanan atau stabilitas struktural jaringan keseluruhan atau sentralitas simpul tertentu.[78] Hal ini mengotomatisasi pendekatan yang diperkenalkan oleh Analisis Naratif Kuantitatif,[79] dimana triplet subjek-kata kerja-objek diidentifikasi dengan pasangan aktor yang dihubungkan oleh suatu tindakan, atau pasangan yang dibentuk oleh aktor-objek.[80]
Dalam pendekatan lain, analisis tekstual dilakukan dengan mempertimbangkan jaringan kata-kata yang muncul bersamaan dalam sebuah teks. Dalam jaringan ini, simpul adalah kata-kata dan tautan di antara kata-kata tersebut diberi bobot berdasarkan frekuensi kemunculannya bersamaan (dalam rentang maksimum tertentu).
Aplikasi internet
Analisis jaringan sosial juga telah diterapkan untuk memahami perilaku daring oleh individu, organisasi, dan antar situs web.[81] Analisis pranala dapat digunakan untuk menganalisis koneksi antara situs web atau laman web untuk memeriksa bagaimana informasi mengalir saat individu menavigasi web.[82] Hubungan antara organisasi telah dianalisis melalui analisis pranala untuk memeriksa organisasi mana saja dalam suatu masalah komunitas.[83]
Netokrasi
Konsep lain yang muncul dari hubungan antara teori jaringan sosial dan Internet adalah konsep netokrasi, di mana beberapa penulis muncul mempelajari korelasi antara penggunaan jaringan sosial daring yang luas, dan perubahan dalam dinamika kekuatan sosial.[84]
Aplikasi internet sosial media
Analisis jaringan sosial telah diterapkan pada media sosial sebagai alat untuk memahami perilaku antara individu atau organisasi melalui keterkaitan mereka di situs web media sosial seperti Twitter dan Facebook.[85]
Dalam pembelajaran kolaboratif yang didukung komputer
Salah satu metode terkini penerapan analisis jaringan sosial adalah studi pembelajaran kolaboratif yang didukung komputer (CSCL). Saat diterapkan pada CSCL, analisis jaringan sosial digunakan untuk membantu memahami bagaimana peserta didik berkolaborasi dalam hal jumlah, frekuensi, dan durasi, serta kualitas, topik, dan strategi komunikasi.[86] Selain itu, analisis jaringan sosial dapat berfokus pada aspek-aspek tertentu dari koneksi jaringan, atau keseluruhan jaringan. Analisis jaringan sosial menggunakan representasi grafis, representasi tertulis, dan representasi data untuk membantu memeriksa koneksi dalam jaringan CSCL.[87] Saat menerapkan SNA pada lingkungan CSCL, interaksi para peserta diperlakukan sebagai jaringan sosial. Fokus analisisnya adalah pada "hubungan" yang terjalin di antara para peserta – bagaimana mereka berinteraksi dan berkomunikasi – dan bukan pada bagaimana masing-masing peserta berperilaku sendiri-sendiri.
Istilah-istilah penting
Ada beberapa istilah kunci yang terkait dengan penelitian analisis jaringan sosial dalam pembelajaran kolaboratif yang didukung komputer seperti: kepadatan, sentralitas, derajat masuk, derajat keluar, dan sosiogram.
- Kepadatan mengacu pada "koneksi" antara peserta. Kepadatan didefinisikan sebagai jumlah koneksi yang dimiliki peserta, dibagi dengan total kemungkinan koneksi yang dapat dimiliki peserta. Misalnya, jika ada 20 orang yang berpartisipasi, setiap orang berpotensi terhubung dengan 19 orang lainnya. Kepadatan 100% (19/19) adalah kepadatan terbesar dalam sistem. Kepadatan 5% menunjukkan hanya ada 1 dari 19 kemungkinan koneksi.[88]
- Sentralitas berfokus pada perilaku peserta individu dalam suatu jaringan. Ia mengukur sejauh mana seorang individu berinteraksi dengan individu lain dalam jaringan. Semakin banyak individu terhubung dengan orang lain dalam suatu jaringan, semakin besar sentralitas mereka dalam jaringan.[89][90]
Variabel derajat masuk dan derajat keluar terkait dengan sentralitas.
- Sentralitas derajat masuk terpusat pada individu tertentu sebagai titik fokus; sentralitas semua individu lainnya didasarkan pada hubungan mereka dengan titik fokus individu "derajat masuk".[91]
- Derajat keluar merupakan ukuran sentralitas yang masih berfokus pada satu individu saja, namun analitiknya memperhatikan interaksi keluar dari individu tersebut; ukuran sentralitas derajat keluar adalah seberapa sering individu yang menjadi titik fokus berinteraksi dengan orang lain.[92][93]
- Sosiogram adalah visualisasi dengan batasan koneksi yang jelas dalam jaringan. Misalnya, sosiogram yang menunjukkan titik sentralitas derajat keluar untuk Partisipan A akan menggambarkan semua koneksi keluar yang dibuat Partisipan A dalam jaringan yang diteliti.[94]
Kemampuan unik
Para peneliti menggunakan analisis jaringan sosial dalam studi pembelajaran kolaboratif yang didukung komputer sebagian karena kemampuan unik yang ditawarkannya. Metode khusus ini memungkinkan studi pola interaksi dalam komunitas pembelajaran jaringan dan dapat membantu menggambarkan sejauh mana interaksi peserta dengan anggota kelompok lainnya.[95] Grafik yang dibuat menggunakan alat analisis jaringan sosial memberikan visualisasi hubungan antar peserta dan strategi yang digunakan untuk berkomunikasi dalam kelompok. Beberapa penulis juga menyarankan bahwa analisis jaringan sosial menyediakan metode untuk menganalisis perubahan pola partisipasi anggota dari waktu ke waktu dengan mudah.[96]
Sejumlah penelitian telah menerapkan SNA pada CSCL dalam berbagai konteks. Temuannya meliputi korelasi antara kepadatan jaringan dan kehadiran guru,[97] perhatian yang lebih besar terhadap rekomendasi dari peserta "pusat",[98] jarangnya interaksi lintas gender dalam jaringan,[99] dan peran yang relatif kecil yang dimainkan oleh instruktur dalam jaringan pembelajaran asinkron.[100]
Metode lain yang digunakan dengan analisis jaringan sosial
Meskipun banyak penelitian telah menunjukkan nilai analisis jaringan sosial dalam bidang pembelajaran kolaboratif yang didukung komputer,[101] para peneliti telah menyarankan bahwa analisis jaringan sosial sendiri tidak cukup untuk mencapai pemahaman penuh tentang CSCL. Kompleksitas proses interaksi dan banyaknya sumber data membuat analisis jaringan sosial sulit untuk memberikan analisis mendalam tentang CSCL.[102] Para peneliti menunjukkan bahwa analisis jaringan sosial perlu dilengkapi dengan metode analisis lain untuk membentuk gambaran yang lebih akurat tentang pengalaman belajar kolaboratif.[103]
Sejumlah penelitian telah menggabungkan jenis analisis lain dengan analisis jaringan sosial dalam studi CSCL. Hal ini dapat disebut sebagai pendekatan multi-metode atau triangulasi data, yang akan menghasilkan peningkatan keandalan evaluasi dalam studi CSCL.
- Metode kualitatif – Prinsip penelitian studi kasus kualitatif merupakan kerangka kerja yang kuat untuk integrasi metode analisis jaringan sosial dalam studi pengalaman CSCL.[104]
- Data etnografi seperti kuesioner dan wawancara siswa serta observasi non-partisipan di kelas[105]
- Studi kasus: mempelajari situasi CSCL tertentu secara komprehensif dan menghubungkan temuan dengan skema umum[106]
- Analisis isi: menawarkan informasi tentang isi komunikasi antar anggota[107]
- Metode kuantitatif – Ini mencakup analisis statistik deskriptif sederhana pada kejadian untuk mengidentifikasi sikap tertentu dari anggota kelompok yang belum dapat dilacak melalui analisis jaringan sosial untuk mendeteksi kecenderungan umum.
- File log komputer: menyediakan data otomatis tentang bagaimana alat kolaboratif digunakan oleh pelajar[108]
- Penskalaan multidimensi: memetakan kesamaan di antara para aktor, sehingga data masukan yang lebih mirip lebih dekat satu sama lain[109]
- Alat perangkat lunak: QUEST, SAMSA (System for Adjacency Matrix and Sociogram-based Analysis), dan Nud*IST[110]
Lihat pula
Pranala luar
Referensi
- ↑ Evelien Otte. Social network analysis: a powerful strategy, also for the information sciences. Journal of Information Science. Desember 2002. Vol. 28 (6). hlm. 441–453. doi:10.1177/016555150202800601.
- ↑ Martin Grandjean. A social network analysis of Twitter: Mapping the digital humanities community. Cogent Arts & Humanities. 31 Desember 2016. Vol. 3 (1). doi:10.1080/23311983.2016.1171458.
- ↑ Loni Hagen. Crisis Communications in the Age of Social Media: A Network Analysis of Zika-Related Tweets. Social Science Computer Review. October 2018. Vol. 36 (5). hlm. 523–541. doi:10.1177/0894439317721985.
- ↑ Hamid Reza Nasrinpour. An Agent-Based Model of Message Propagation in the Facebook Electronic Social Network. 2016-11-22.
- ↑ Martin Grandjean. The Paris/Geneva Divide. A Network Analysis of the Archives of the International Committee on Intellectual Cooperation of the League of Nations. Culture as Soft Power: Bridging Cultural Relations, Intellectual Cooperation, and Cultural Diplomacy. 2022. hlm. 65–98. doi:10.1515/9783110744552-004.
- ↑ Julia Brennecke. The firm's knowledge network and the transfer of advice among corporate inventors—A multilevel network study. Research Policy. May 2017. Vol. 46 (4). hlm. 768–783. doi:10.1016/j.respol.2017.02.002.
- ↑ Jenine K. Harris. Forty Years of Secondhand Smoke Research. American Journal of Preventive Medicine. June 2009. Vol. 36 (6). hlm. 538–548. doi:10.1016/j.amepre.2009.01.039.
- ↑ Julia Brennecke. Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues. Academy of Management Journal. Juni 2020. Vol. 63 (3). hlm. 743–778. doi:10.5465/amj.2017.0399.
- ↑ Pinheiro, Carlos A.R. Social Network Analysis in Telecommunications. John Wiley & Sons. 2011. hlm. 4. ISBN 978-1-118-01094-5.
- ↑ D'Andrea, Alessia. Computational Social Network Analysis: Trends, Tools and Research Advances. Springer. 2009. hlm. 8. ISBN 978-1-84882-228-3.
- ↑ Daniel Grunspan. Understanding Classrooms through Social Network Analysis: A Primer for Social Network Analysis in Education Research. CBE: Life Sciences Education. 23 Januari 2014. Vol. 13 (2). hlm. 167–178. doi:10.1187/cbe.13-08-0162.
- ↑ Angela Tringali. Life history stage explains behavior in a social network before and during the early breeding season in a cooperatively breeding bird. PeerJ. 10 Februari 2020. Vol. 8. hlm. e8302. doi:10.7717/peerj.8302.
- ↑ Loni Hagen. Crisis Communications in the Age of Social Media: A Network Analysis of Zika-Related Tweets. Social Science Computer Review. October 2018. Vol. 36 (5). hlm. 523–541. doi:10.1177/0894439317721985.
- ↑ Social network differences of chronotypes identified from mobile phone data. 2018.
- ↑ Julia Brennecke. The firm's knowledge network and the transfer of advice among corporate inventors—A multilevel network study. Research Policy. May 2017. Vol. 46 (4). hlm. 768–783. doi:10.1016/j.respol.2017.02.002.
- ↑ Julia Brennecke. Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues. Academy of Management Journal. Juni 2020. Vol. 63 (3). hlm. 743–778. doi:10.5465/amj.2017.0399.
- ↑ Min Gao. EasyGraph: A multifunctional, cross-platform, and effective library for interdisciplinary network analysis. Patterns. Oktober 2023. Vol. 4 (10). hlm. 100839. doi:10.1016/j.patter.2023.100839.
- ↑ Rakhyun E Kim. Is Global Governance Fragmented, Polycentric, or Complex? The State of the Art of the Network Approach. International Studies Review. 26 November 2020. Vol. 22 (4). hlm. 903–931. doi:10.1093/isr/viz052.
- ↑ Jenine K. Harris. Using Social Network Analysis to Understand Missouri's System of Public Health Emergency Planners. Public Health Reports. July 2007. Vol. 122 (4). hlm. 488–498. doi:10.1177/003335490712200410.
- ↑ Jenine K. Harris. Forty Years of Secondhand Smoke Research. American Journal of Preventive Medicine. June 2009. Vol. 36 (6). hlm. 538–548. doi:10.1016/j.amepre.2009.01.039.
- ↑ Fakhteh Ghanbarnejad. Dynamics On and Of Complex Networks III Machine Learning and Statistical Physics Approaches. Springer International Publishing : Imprint: Springer. 2019. ISBN 9783030146832.
- ↑ Aras Bozkurt. Trends in distance education research: A content analysis of journals 2009–2013. The International Review of Research in Open and Distributed Learning. 2015-01-20. Vol. 16 (1). doi:10.19173/irrodl.v16i1.1953.
- ↑ Facebook friends mapped by Wolfram Alpha app. BBC News. 24 September 2012.
- ↑ Frederic Lardinois. Wolfram Alpha Launches Personal Analytics Reports For Facebook. Tech Crunch. 30 Agustus 2012.
- ↑ Ivaldi M. We-Sport: from academy spin-off to data-base for complex network analysis; an innovative approach to a new technology. J Sports Med Phys Fitness. Vol. 51 (suppl. 1 to issue 3).
- ↑ Linton C Freeman. The development of social network analysis: a study in the sociology of science. Empirical Press; BookSurge. 2004. ISBN 978-1-59457-714-7.
- ↑ Linton C Freeman. The development of social network analysis: a study in the sociology of science. Empirical Press; BookSurge. 2004. ISBN 978-1-59457-714-7.
- ↑ Linton Freeman. The Development of Social Network Analysis. Empirical Press. 2006.
- ↑ Michał B. Paradowski. How output outweighs input and interlocutors matter for study-abroad SLA: Computational Social Network Analysis of learner interactions. The Modern Language Journal. 2022. Vol. 106 (4). hlm. 694–725. doi:10.1111/modl.12811.
- ↑ Michał B. Paradowski. Peer interaction dynamics and L2 learning trajectories during study abroad: A longitudinal investigation using dynamic computational Social Network Analysis. Language Learning. 2024. Vol. 74 (S2). hlm. 58–115. doi:10.1111/lang.12681.
- ↑ Helmut K. Anheier. Forms of Capital and Social Structure in Cultural Fields: Examining Bourdieu's Social Topography. American Journal of Sociology. Januari 1995. Vol. 100 (4). hlm. 859–903. doi:10.1086/230603.
- ↑ Wouter de Nooy. Fields and networks: correspondence analysis and social network analysis in the framework of field theory. Poetics. Oktober 2003. Vol. 31 (5–6). hlm. 305–327. doi:10.1016/s0304-422x(03)00035-4.
- ↑ Burgert Senekal. Die Afrikaanse literêre sisteem : 'n eksperimentele benadering met behulp van Sosiale-netwerk-analise (SNA) : geesteswetenskappe. Litnet Akademies. 1 Desember 2012. Vol. 9 (3). hlm. 614–638.
- ↑ Miller McPherson. Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology. Agustus 2001. Vol. 27 (1). hlm. 415–444. doi:10.1146/annurev.soc.27.1.415.
- ↑ Joel M. Podolny. Resources and Relationships: Social Networks and Mobility in the Workplace. American Sociological Review. October 1997. Vol. 62 (5). hlm. 673. doi:10.2307/2657354.
- ↑ Kilduff, M. Social networks and organisations. Sage Publications. 2003.
- ↑ Julia Brennecke. Dissonant Ties in Intraorganizational Networks: Why Individuals Seek Problem-Solving Assistance from Difficult Colleagues. Academy of Management Journal. Juni 2020. Vol. 63 (3). hlm. 743–778. doi:10.5465/amj.2017.0399.
- ↑ Kadushin, C. Understanding social networks: Theories, concepts, and findings. Oxford University Press. 2012. ISBN 9780195379471.
- ↑ Francis J. Flynn. Do you two know each other? Transitivity, homophily, and the need for (network) closure. Journal of Personality and Social Psychology. 2010. Vol. 99 (5). hlm. 855–869. doi:10.1037/a0020961.
- ↑ Mark S. Granovetter. The Strength of Weak Ties. American Journal of Sociology. Mei 1973. Vol. 78 (6). hlm. 1360–1380. doi:10.1086/225469.
- ↑ Hansen, Derek. Analyzing Social Media Networks with NodeXL. Morgan Kaufmann. 2010. hlm. 32. ISBN 978-0-12-382229-1.
- ↑ Liu, Bing. Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. Springer. 2011. hlm. 271. ISBN 978-3-642-19459-7.
- ↑ Hanneman, Robert A. The Sage Handbook of Social Network Analysis. SAGE. 2011. hlm. 364–367. ISBN 978-1-84787-395-8.
- ↑ Tsvetovat, Maksim. Social Network Analysis for Startups: Finding Connections on the Social Web. O'Reilly. 2011. hlm. 45. ISBN 978-1-4493-1762-1.
- ↑ Wasserman, Stanley. Social Networks Analysis: Methods and Applications. Cambridge University Press. 1994.
- ↑ Tore Opsahl. Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks. Juli 2010. Vol. 32 (3). hlm. 245–251. doi:10.1016/j.socnet.2010.03.006.
- ↑ Field Manual 3-24: Counterinsurgency. Headquarters, Department of the Army. hlm. B–11 – B–12.
- ↑ Xu, Guandong. Web Mining and Social Networking: Techniques and Applications. Springer. 2010. hlm. 25. ISBN 978-1-4419-7734-2.
- ↑ Mark S. Granovetter. The Strength of Weak Ties. American Journal of Sociology. Mei 1973. Vol. 78 (6). hlm. 1360–1380. doi:10.1086/225469.
- ↑ Cohesive.blocking is the R program for computing structural cohesion according to the Moody-White (2003) algorithm. This wiki site provides numerous examples and a tutorial for use with R.
- ↑ Hanneman, Robert A. The Sage Handbook of Social Network Analysis. SAGE. 2011. hlm. 346–347. ISBN 978-1-84787-395-8.
- ↑ James Moody. Structural Cohesion and Embeddedness: A Hierarchical Concept of Social Groups. American Sociological Review. Februari 2003. Vol. 68 (1). hlm. 103. doi:10.2307/3088904.
- ↑ Pattillo, Jeffrey. Handbook of Optimization in Complex Networks: Communication and Social Networks. Springer. 2011. hlm. 149. ISBN 978-1-4614-0856-7.
- ↑ Linton C. Freeman. Visualizing Social Networks. Journal of Social Structure. Vol. 1.
- ↑ Mohammad Hamdaqa. Cultural Scene Detection Using Reverse Louvain Optimization. Science of Computer Programming. 2014. Vol. 95. hlm. 44–72. doi:10.1016/j.scico.2014.01.006.
- ↑ Bacher, R. Graphical Interaction and Visualization for the Analysis and Interpretation of Contingency Analysis Result. IEEE Power Engineering Society. 1995. hlm. 128–134. doi:10.1109/PICA.1995.515175. ISBN 0-7803-2663-6.
- ↑ M. C. Caschera. SIM: A dynamic multidimensional visualization method for social networks. PsychNology Journal. 2008. Vol. 6 (3). hlm. 291–320.
- ↑ Network Analysis and Modeling (CSCI 5352). danlarremore.com.
- ↑ Cathleen McGrath. The effect of spatial arrangement on judgments and errors in interpreting graphs. Social Networks. August 1997. Vol. 19 (3). hlm. 223–242. doi:10.1016/S0378-8733(96)00299-7.
- ↑ Dorwin Cartwright. Structural balance: a generalization of Heider's theory. Psychological Review. 1956. Vol. 63 (5). hlm. 277–293. doi:10.1037/h0046049.
- ↑ Bernie Hogan. Visualizing Personal Networks: Working with Participant-aided Sociograms. Field Methods. May 2007. Vol. 19 (2). hlm. 116–144. doi:10.1177/1525822X06298589.
- ↑ Isabel Anger. Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies - i-KNOW '11. 2011. hlm. 1. doi:10.1145/2024288.2024326. ISBN 9781450307321.
- ↑ Fabián Riquelme. Measuring user influence on Twitter: A survey. Information Processing & Management. September 2016. Vol. 52 (5). hlm. 949–975. doi:10.1016/j.ipm.2016.04.003.
- ↑ Sara Rosengren (Hrsg.). The Changing Roles of Advertising. Springer Fachmedien Wiesbaden GmbH. 2013. ISBN 9783658023645.
- ↑ Ahonen, T. T., Kasper, T., & Melkko, S. (2005). 3G marketing: communities and strategic partnerships. John Wiley & Sons.
- ↑ "technology" Watch "TEDxMilano – Nicola Greco – on math and social network" Video at TEDxTalks. TEDxTalks.
- ↑ Golbeck, J. Analyzing the Social Web. Morgan Kaufmann. 2013. ISBN 978-0-12-405856-9.
- ↑ Michael Aram. Multilayered analysis of co-development of business information systems. Journal of Internet Services and Applications. 1 Juli 2015. Vol. 6 (1). hlm. 13. doi:10.1186/s13174-015-0030-8.
- ↑ Miller McPherson. Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology. 2001. Vol. 27 (1). hlm. 415–444. doi:10.1146/annurev.soc.27.1.415.
- ↑ Brett Laursen. Toward understanding the functions of peer influence: A summary and synthesis of recent empirical research. Journal of Research on Adolescence. 2021. Vol. 31 (4). hlm. 889–907. doi:10.1111/jora.12606.
- ↑ Hallinan, M. T. (1980). Patterns of cliquing among youth. In H. C. Foot, A. J. Chapman, & J. R. Smith (Eds.), Friendship and social relations in children (pp. 321–342). New York, NY: Wiley. psycnet.apa.org.
- ↑ Tom A. B. Snijders. Introduction to stochastic actor-based models for network dynamics. Social Networks. 2010. Vol. 32 (1). hlm. 44–60. doi:10.1016/j.socnet.2009.02.004.
- ↑ René Veenstra. The Prominence of Peer Interactions, Relationships, and Networks in Adolescence and Early Adulthood. osf.io. American Psychological Association. 2023.
- ↑ Spencer Ackerman. NSA warned to rein in surveillance as agency reveals even greater scope. The Guardian. 17 Juli 2013.
- ↑ How The NSA Uses Social Network Analysis To Map Terrorist Networks. 12 Juni 2013.
- ↑ NSA Using Social Network Analysis. 12 May 2006.
- ↑ Alexander Dryer. NSA has massive database of Americans' phone calls. Slate. 11 Mei 2006.
- ↑ Saatviga Sudhahar. Network analysis of narrative content in large corpora. Natural Language Engineering. Januari 2015. Vol. 21 (1). hlm. 81–112. doi:10.1017/S1351324913000247.
- ↑ Quantitative Narrative Analysis; Roberto Franzosi; Emory University © 2010
- ↑ Saatviga Sudhahar. Automated analysis of the US presidential elections using Big Data and network analysis. Big Data & Society. Mei 2015. Vol. 2 (1). doi:10.1177/2053951715572916.
- ↑ Fakhteh Ghanbarnejad. Dynamics On and Of Complex Networks III Machine Learning and Statistical Physics Approaches. Springer International Publishing : Imprint: Springer. 2019. ISBN 9783030146832.
- ↑ Megan Osterbur. A hegemon fighting for equal rights: the dominant role of COC Nederland in the LGBT transnational advocacy network. Global Networks. April 2017. Vol. 17 (2). hlm. 234–254. doi:10.1111/glob.12126.
- ↑ LGBTQ Politics. New York University Press. 19 September 2017. hlm. 493–522. doi:10.18574/nyu/9781479849468.003.0034. ISBN 978-1-4798-4946-8.
- ↑ Alexander Bard. The Netocracts: Futurica Trilogy 1. Stockholm Text. 24 Februari 2012. ISBN 9789187173004.
- ↑ Haewoon Kwak. Proceedings of the 19th international conference on World wide web. ACM. 2010-04-26. hlm. 591–600. doi:10.1145/1772690.1772751. ISBN 9781605587998.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Social network differences of chronotypes identified from mobile phone data. 2018.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Social network differences of chronotypes identified from mobile phone data. 2018.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ International Conference of the Learning Sciences. 2013. hlm. 346–351. doi:10.4324/9780203763865-71. ISBN 9780203763865.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ A. Martı́nez. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. December 2003. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Cho, H. Social information sharing in a CSCL community. Lawrence Erlbaum. 2002. hlm. 43–50.
- ↑ Aviv, R. Network analysis of knowledge construction in asynchronous learning networks. Journal of Asynchronous Learning Networks. 2003. Vol. 7 (3). hlm. 1–23.
- ↑ Maarten de Laat. Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. International Journal of Computer-Supported Collaborative Learning. 2007-03-08. Vol. 2 (1). hlm. 87–103. doi:10.1007/s11412-007-9006-4.
- ↑ Thanasis Daradoumis. Groupware: Design, Implementation, and Use. Springer Berlin Heidelberg. 2004-09-05. Vol. 3198. hlm. 289–304. doi:10.1007/978-3-540-30112-7_25. ISBN 9783540230168.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Karen E. Johnson. Review of The Art of Case Study Research. The Modern Language Journal. 1996-01-01. Vol. 80 (4). hlm. 556–557. doi:10.2307/329758.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
- ↑ Martínez, A. Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education. Documenting Collaborative Interactions: Issues and Approaches. 2003-12-01. Vol. 41 (4). hlm. 353–368. doi:10.1016/j.compedu.2003.06.001.
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 29435644 (2026-07-09T08:41:36Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.